基于内容的可视化多媒体查询语言的设计

设计了一个基于内容的可视化多媒体查询语言CBVMQL(Content-Based Visual Multimedia Query Language),该语言将语义表达、概念化定义、面向对象的语义表示和图像示例有机地结合起来,不仅提供了一个自然的可视化查询接口,而且也支持通过自动查询生成来精确地操纵信息.同时,它还结合多媒体的内容信息,实现了基于内容的多媒体查询.     

GPS/INU/DM组合定位导航技术在ITS中的应用

 介绍了智能交通系统(ITS,Intelligent Transport Systems)的基本思想,阐述了GPS/INU/DM(Global Positioning System/Inertial Navigation Unit/Digital Map)组合定位导航技术在ITS中的应用,以及提高组合定位导航精度及可靠性的几种技术措施.该组合定位导航是将卫星定位技术、惯性导航定位技术以及计算机技术融合在一起的新型技术,具有全方位、全天候、防遮挡的功能.ITS中利用组合导航技术可实现道路交通管理"自动化"、车辆行驶"智能化",具有良好的实用价值,应用前景广泛.     

ATM中的ADS-SSR数据融合研究

二次监视雷达(SSR)和自动相关监视(ADS)系统已经广泛应用于空中交通管理(ATM)系统,特别是终端飞行区.本文分析了民航空中交通管理中的SSR和ADS系统的特点和缺陷,研究了基本类型ADS合同和扩展类型ADS合同对ADS跟踪精度的不同影响,提出了一个ADS-SSR航迹融合的模型,给出此模型的具体算法,并进行了数字仿真.数字仿真表明:该模型算法具有较高的跟踪精度.      

基于RTI的PDM框架实现策略

近年来,随着分布交互仿真技术的不断发展,解决仿真系统互操作和重用的高层体系结构的提出,以及ＰＤＭ技术的广泛应用和面临的新的挑战,提出了基于ＲＴＩ的ＰＤＭ框架技术,采用ＲＴＩ作为框架的运行支撑系统,以及通过联邦的运行方式,支持企业的动态联盟。阐述了基于ＲＴＩ的ＰＤＭ框架的特点,并对其实现的策略和应用作了有意义的研究。     

用于卫星姿态机动控制的一种自适应模糊控制器

卫星的姿态机动控制要求机动快速和较强鲁棒性.纯模糊控制器响应快、鲁棒性好,能够方便地应用人的智能,但是模糊规则库的构建需要预先获取足够的语言信息.从Lyapunov函数出发设计了一个稳定的直接型自适应模糊姿态机动控制系统,控制器能够在初始语言信息很少的条件下通过自适应律调整语言信息参数而得到合适的模糊规则,使控制器具有更强的适应能力.数学仿真比较了在完全没有语言信息和有一条语言信息的情况下控制系统的表现,表明仅有一条语言信息时控制系统性能就能够显示得十分出色.最后,仿真结果证实了自适应模糊控制器良好的鲁棒性.      

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.     

飞行员视觉信息流强度模拟及适人性分析

为了合理地确定飞行员在执行飞行任务时的视觉信息流强度,开发了飞机座舱显示界面仿真模型,以被试的正确反应率和反应时间来评价作业绩效.通过实验和数据分析得到以下结果:所建立的视觉信息流模型中视觉信息流强度曲线符合正态分布.不同的视觉信息量完成任务差异显著,信息量增加到一定程度时辨识变慢,出现错误的几率升高;在相同视觉信息量情况下,夜晚与白天、动态与静态执行任务辨识和绩效差异显著,白天要比夜晚、静态要比动态辨识效率和绩效更好.      

多传感器多目标系统误差融合估计算法

为解决多传感器组网系统的系统误差估计问题,基于多传感器多目标上报信息,研究并提出了一种多传感器多目标系统误差融合估计算法.算法构建了两级融合结构,即第一级对多传感器组合状态估计信息进行反馈融合以改善局部组合状态估计精度,从而间接改善系统误差的估计精度,而第二级对多目标系统误差估计信息进行融合以进一步提高系统误差的估计精度.蒙特卡洛仿真显示算法能有效融合利用多传感器多目标信息,实现多传感器系统误差的实时精确估计.     

基于全信息的正态分布型数据的线性回归分析

针对正态的分布型符号数据,提出一种新的线性回归分析方法.以体现正态的分布型数据的全部原始信息为出发点,给出正态的分布型变量的一阶矩、二阶原点矩、二阶混合原点矩的定义和计算原则.在此基础上,定义针对正态的分布型数据的线性回归模型以及残差信息的平方和,推导最小二乘回归系数.仿真实验证明了该方法所得回归模型在解释能力和预测能力上的有效性以及相对于"中心法"的优越性.给出的正态分布型变量数字特征的定义和计算原则为将其他经典的多元统计方法推广到分布型数据奠定了基础.