对信息检索系统应用技术的数学表示模型的分析

页面表示、用户兴趣模型、页面链接排序是信息检索系统中的关键技术,分析相应的数学模型,并例举在一个智能搜索引擎中的应用,通过动态的更新用户兴趣模型和由此而引起的WEB页面更新,有效地适应用户兴趣的变化。     

舱外活动中航天员利用扶手移动的路径规划

航天员在舱外活动中,常常需要从一个工作点向另一个工作点移动.提出了一种用于搜寻两个工作点间最短通路的路径规划的方法.该方法利用人工智能中的启发式搜索A^*算法,在用栅格法对三维工作环境进行离散化的基础上,采用路径最短原则,完成了航天员在舱外活动中依靠扶手移动的路径规划.对一个例子进行了研究,并对结果进行了分析.规划的路径可为航天员舱外活动扶手的安装位置提供参考依据,以减少航天员舱外作业的工作时间、降低能量消耗以及提高航天员舱外作业的工作效率.     

上面级快速星图匹配算法研究

现有星图匹配算法存在搜索时间慢、算法实时性差的问题。为了满足上面级实时性的要求,文章采用K矢量查找算法来提高查找快速性,选择星对角矩作为星图匹配的特征量,构造星对角矩矢量,采用星棱锥星图匹配算法进行星图识别。最后采用上下位机的形式进行仿真分析,结果表明采用该星棱锥快速星图匹配算法成功率在99%以上,识别时间最长约为100ms,平均时间在15ms以内。该算法能够满足上面级对匹配算法快速性和高精度的要求。     

基于TOPSIS法的浮标拦截布阵方案效能评估研究

对浮标布阵方案进行效能评估是有效利用浮标布阵规划进行搜潜的关键环节,是反潜战术辅助决策的重要依据。研究了飞机执行应召反潜任务时布放浮标拦截阵的潜艇搜索概率模型和效能评估模型,确立浮标拦截布阵方案效能评估的指标体系;采用最优解接近度排序法（TOPSIS）对某应召反潜任务下的浮标拦截布阵方案效能进行分析和选择布阵方案,结果表明该效能评估方法为如何选择浮标拦截阵方案提供了有效的参考。     

反潜机吊放声纳扩展螺旋线形搜潜建模

针对全方位机动的潜艇目标,结合反潜直升机实际搜潜过程,分析了风因素对反潜机探测过程的影响;建立了反潜机吊放声纳的扩展螺旋线形应召搜潜模型、潜艇运动模型;依据声纳主被动探测距离模型,对主被动吊声的探测距离进行分析;仿真分析了在已知海洋环境条件下,反潜机扩展螺旋线形应召搜潜轨迹,不同发射频率和目标强度条件下的主被动吊声探测范围,以及比较分析了吊放声纳作用距离、潜艇运动样式等因素对文中提出的扩展螺旋线形搜潜方法与传统的扩展方形、扩展圆形搜潜方法的搜索概率影响.结果表明,扩展螺旋线形的搜潜效能优于扩展方形和扩展圆形.      

Status and Perspectives of Dark Matter Searches in China

In this paper, we give a review of direct detection searches reported by the DAMA (China as a Co-I), and indirect detection searches reported by the ATIC (China as a Co-I). We also outline the future plans of dark matter search in China.      

基于方向自适应菱形搜索的运动估计算法

基于对运动矢量分布特性的研究,提出了一种基于方向自适应菱形搜索的运动估计算法.该算法对搜索起始点进行预测;设置"双阈值",针对匹配块提前中止搜索;并根据运动特征,自适应地选择小菱形模板和4种新型的方向自适应菱形模板,具有强烈的搜索方向性.实验结果证明,该算法不仅大幅度地减少了平均搜索点数,而且在一定程度上提高了重建图像的信噪比,其搜索速度和精度均优于传统的快速运动估计算法.      

解JobShop问题的一种组合模拟算法

针对成批车间的作业排序(Job Shop Scheduling )问题设计了一种模拟退火与Tabu Search相组合的算法.首先用模拟退火算法求得一个初始解,再利用Tabu Search进行进一步的寻优.通过大量的算例分析表明,该算法具有良好的寻优特性与运算效率.     

基于目标威胁度计算的相控阵快速确认跟踪模式

机载相控阵雷达在探测远程、低空、高速目标时具有较大潜力。本文对机扫加相扫雷达环境下,如何充分发挥相控阵优势,提高机载雷达跟踪远程低空高速目标性能展开研究,在传统边扫边跟(Track while scan,TWS)技术基础上,给出了一种基于目标威胁度的快速确认跟踪模式。该模式采用有效的相控扫描策略,充分利用其波束捷变能力,通过相控回扫,一方面快速起始航迹,增加高威胁目标的跟踪距离;另一方面适当增加探测数据率,提高对远距高威胁目标的跟踪性能。仿真试验表明,新跟踪方法不但可以较好克服目标雷达散射截面积(Radarcross section,RCS)起伏影响,较快地起始和跟踪目标航迹,而且保留了TWS方法覆盖空域广的优点。     

对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。