基于证据理论的航天产品的非参数可靠性评估方法

针对新型航天产品的特点,提出了一种基于Dempster-Shafer证据理论(DST)的非参数可靠性评估方法.首先利用样本数据构建分布函数的概率上下限,然后将其转化为证据理论框架下的基本信度分配(BBA),最后在可转移信度模型(TBM)下将其转换为一种概率度量,可据此对产品的寿命特征进行评估.文中的数值例子,表明了本文提出的方法在新型航天产品的可靠性评估中是简洁有效的.     

基于迁移学习的小样本目标识别研究进展与展望

在空、天、海等复杂环境下的目标识别任务中，高质量的样本数据往往较少。特别是在干扰对抗环境下，某些特定领域的目标信息获取困难，可靠的标注数据较少。小样本问题对深度学习技术在目标识别任务中的应用提出了新的挑战。迁移学习为小样本不确定环境下的目标识别问题提供了新的研究思路。本文针对小样本目标问题，以机载雷达等空天传感器信息对海面目标识别为例，介绍了迁移学习的主要思路和方法，对迁移学习在海面目标识别问题中的应用现状进展进行了总结；分析和归纳了迁移学习在海面目标识别应用中的主要挑战。最后对可解释性及鲁棒性的海洋目标识别技术需求及未来发展方向进行了展望。