基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.     

数值微分的小波最小二乘方法

给出了利用小波求解数值微分的方法.将微分问题转化为等价的第一类Fredholm积分方程,然后选取小波基,使用最小二乘求解该积分方程.我们给出的分析框架容许使用具紧支集的小波,利用正则化保证了计算的稳定性.数值计算实例表明,本方法稳定,运算速度快,计算精度高.     

某型飞机应急救生技术适航审定要求研究与探讨

介绍了美国联邦航空局和中国民航局关于通用飞机安装弹射座椅的适航技术要求;分析了飞机应急情况救生技术的现状及其发展趋势,以及安装弹射座椅的飞机现有的适航技术要求及规定;并对安装弹射座椅的特技类飞机适航审定提出了一种思路和建议。     

类神经无线网络入侵检测风险的研究

无线网络安全期待突破技术瓶颈,为了有效辨识伪造或是有问题的无线接入点(AP),文章提出基于频谱分析仪的类神经无线网络的入侵检测机制。该机制采用频谱分析仪测量无线电磁波的信号,提取信号值,再用sniffer分析AP流量,最后,对于AP的使用行为进行分析,将采集到的数据通过NeuroSolutions软件依据倒传递的类神经网络进行仿真。     

激光告警多目标定位与跟踪技术研究

研究了激光告警多目标定位和跟踪的建模方法。利用聚类概念,对激光告警器测量数据进行集类,并对各个类对应的目标状态进行空间-时间融合。通过求解航迹信息融合的状态估计值,实时形成同步脉冲控制逻辑,从而实现对激光多目标的实时跟踪和激光信号的实时提取。给出了激光告警多目标定位与跟踪的设计过程,提出了一种实用简便的融合算法,并设计了一套该模型的原理样机。试验结果验证了这种方法的有效性。     

基于核方法的聚类算法及其应用

在分析核方法的核心概念基础上,提出了一种基于核方法的聚类算法.通常,传统聚类算法只在数据特征差异较大时才有效,当数据特征差异较小时,很难取得较好的聚类效果.引入核函数,将原始数据由数据空间映射到特征空间,在特征空间中进行聚类.核函数的非线性映射使得原始数据的特征更完整地显现出来,从而能够更客观准确地聚类.与传统聚类方法相比,该方法聚类结果更客观有效.以16组实际数据为例,将该方法应用于数据分类研究中,聚类结果表明了该方法的可行性和有效性,从而为数据分类提供了一种新的可行方法.      

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

基于特征匹配的飞机外表面缺陷差异检测研究

针对光线差异、角度差异影响下,飞机外表面缺陷图像失真造成缺陷差异特征难以提取的问题,构建基于特征匹配的飞机外表面缺陷差异自动检测模型。使用融合Canny算子的改进SIFT算法构建飞机外表面缺陷图像异常特征匹配金字塔生成机体图像特征描述子,结合复合阈值约束与K-means聚类算法投影变换描述子并进行自适应阈值缺陷差异标定,实现自动检测标记不同光线及角度下的机体缺陷异常特征。实验结果表明,所提飞机外表面缺陷差异识别模型能自动检测实时拍摄的飞机外表面缺陷图像异常,具有较强抗变换性。     

基于载噪比同步变化的北斗欺骗检测方法

欺骗干扰已经成为北斗卫星导航系统安全性的一个严重威胁。针对北斗系统面临的欺骗干扰问题,建立二元假设检验模型。由于施加单一天线发射的欺骗干扰后,当前观测频点下各高俯仰角可见星的载噪比值会产生相同的变化趋势,所以基于此变化规律提出了一种利用K-means聚类算法进行分析的北斗卫星信号欺骗干扰检测方法,并给出了施加欺骗载噪比变化域的定义。最后通过在外场搭建实验环境,对实采数据进行了实验验证。实验结果表明,本方法对于欺骗功率优势≥6 dBm的大功率优势欺骗信号的检测概率可以达到95%以上,为提高接收机抗干扰能力提供了有益参考。     

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。