基于BP神经网络的民航安全预测方法研究

为了对民航系统安全运行状态进行科学的分析和预测。针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率，采用BP神经网络的时间序列非线性预测模型及方法，对其进行了分析研究和仿真验证，计算结果表明，该预测方法是可行的，并与实际具有较好的一致性。     

战术导弹全弹FMECA方法研究

论述了故障模式影响及危害性分析(FMECA)的目的和意义，尤其强调了战术导弹全弹FMECA对提高导弹可靠性的作用。讨论了导弹详细设计阶段硬件的FMECA方法，包括自下而上综合方法、约定层次划分、故障严酷度分类等问题。最后，结合工程实践，给出了导弹全弹FMECA的部分应用实例。     

面向智能感知的小样本学习研究综述

小样本学习指只利用目标类别的少量监督信息来训练机器学习模型。由于其实用价值，学术界和工业界提出很多针对该问题的解决方案，但是目前国内缺少该问题的综述。本文对国内外学者提出的小样本学习算法及基于小样本学习的目标检测算法进行了系统的总结和探索。首先，给出了小样本学习的问题定义，列举其与其他一些经典的机器学习问题之间的联系，同时从理论上阐述小样本学习问题面临的挑战；接着，对基于小样本学习的图像分类进行了概述，并对其中代表性的工作进行介绍与分析；在此基础上，重点针对基于小样本学习的目标检测，特别是零样本条件下的目标检测问题，详细介绍和分析了现有的研究工作；最后，立足于现有方法的优缺点，从问题设定、理论研究、实现技术以及应用场景等几个方面对小样本学习的未来发展进行了展望，期望为该领域后续的研究工作提供启示。     

基于分形协方差函数的自然纹理描述与分类

研究了自然纹理图像的描述与分类的方法,提出了基于分数布朗运动模型及其协方差函数的方法.分数布朗运动的协方差函数被用来估计自然纹理特征的Hurst系数和常数k.2个子图像的5个特征组成10个特征的特征集.与直接从原始纹理图像获得特征矢量不同,该方法的10个特征矢量是分别基于大于图像灰度平均值的图像和小于图像灰度平均值的图像得到的.以纹理图像的平均值为阈值,可以得到2幅子纹理图像.从每个子纹理图像提取出5个特征,它们分别是横向、纵向和45°方向的常数,横向和纵向距离为2的Hurst系数.2个子纹理的5个特征组成10个特征的特征集.从Brodatz纹理集选出的16种纹理图像被用来检验描述和分类效果,分类结果显示该方法具有很好的自然纹理的描述和分类能力.     

基于主题模型的结构化Web服务发现机制

提出了基于主题模型(topic model)的结构化Web服务发现机制.利用LDA(Latent Dirichlet Allocation)生成概率模型,将Web服务(Web service)建模为结构化文本文档.一个文档视作主题的概率分布,主题又由关键词的概率分布组成,从而提供基于主题的Web服务检索.同时,利用Web服务的结构化特性,将Web服务描述文档表示为有向无环图,利用n阶谱核测量Web服务文档的相似度,实现Web服务结构化信息的发现.通过实验分析对比,基于主题模型的结构化Web服务发现机制有效提高了Web服务发现的效率和精确率.      

改进独立成分分析在高光谱图像分类中的应用

针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型.该算法采用最大化非高斯性进行成分的统计独立性度量,利用四阶累积量-峰度作为遗传算法的适应度函数.在应用分析中,将该算法应用于推扫式高光谱成像仪(PHI,Push-broom Hyperspectral technique Imager)数据地物分类能够获得全局最优解,在没有先验信息情况下实现地物的精细分类;与传统高光谱无监督分类算法比较,表明该算法的适用性,并具有更高的分类精度和准确性.      

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

改进的基于特征函数的调制识别算法

原有的基于特征函数的调制识别算法,是将基带信号的同相分量和正交分量之和代入特征函数进行运算,计算过程丢失了部分有用信息,仅能保证特征函数的相位跟高斯白噪声无关。提出一种新方法,将基带信号以复数形式代入特征函数进行运算,不仅没有丢失信号的有用信息,并且从理论上证明计算结果跟高斯白噪声无关,继而可以使用特征函数的幅度信息对信号的调制方式进行识别。仿真证明,该算法比原有方法在识别性能上有大幅提高。     

导弹武器面临电磁环境的分级方法研究

分析了典型电磁环境分级方法存在的不足之处,根据目前实际需求,对导弹武器面临的电磁环境提出了一种新的分级方法。首先,根据作战规模的大小分为四个等级,然后根据作战过程中干扰战术和技术的使用,在各级中再细分类型。最后,利用电磁环境指标（电磁功率密度谱和电磁信号密度）,实现定量描述,支撑导弹武器抗干扰性能的定量考核。     

基于导波传播模型的MUSIC损伤识别算法

针对结构健康监测领域的损伤近场定位问题,提出了适用于复合材料结构损伤识别的近场二维多重信号分类（MUSIC）损伤识别算法。该损伤识别算法将导波传播模型引入近场二维MUSIC损伤识别模型,构造损伤散射信号与实验差信号的互相关矩阵,通过信号子空间与噪声子空间正交特性构造近场二维MUSIC空间谱。通过数值仿真和实验验证了所提出的损伤识别算法能够有效地识别复合材料结构损伤位置信息,具有很高的定位精度和分辨率。针对飞机垂直尾翼的加强筋结构对导波传播特性影响较大的问题,提出了分区域监测的损伤检测策略,并利用基于导波传播模型的二维MUSIC空间谱损伤识别算法成功地识别飞机垂直尾翼结构损伤,实现了复杂复合材料结构损伤识别的工程验证。