基于时变散射特征与CNN的双极化SAR作物分类

作物类型分类是极化合成孔径雷达(PolSAR)图像中最重要的应用之一。然而，由于成本和系统限制，越来越多的双极化SAR系统已经投入使用。由于双极化模式的限制，双极化SAR数据集存在严重的贴现特性，使得双极化SAR图像难以获得令人满意的分类精度，因此有必要提取更适合于双极化SAR数据集的散射特征。基于H/α分解的基本理论，引入了一个新的参数来测量农作物的时变散射特性，并针对双极化SAR图像提出了时变散射特征驱动的卷积神经网络(CNN)。实验结果表明:提出的CNN分类方法达到了最高的分类精度。与不同的特征组合输入相比，提出的新参数能稳定地提高分类器的分类性能，H、α、θ和强度特征的组合也能达到最佳的分类性能。     

基于复杂网络和朴素贝叶斯的飞行态势评估

为了辅助管制员作出合理的冲突调配决策，准确地评估空中飞行态势，提出了一种基于复杂网络和朴素贝叶斯分类器的飞行态势评估方法。首先，依据航空器的位置、航速、航向等重要信息，通过三维速度障碍法构建了冲突网络，在此基础上选取了平均度、平均点强、平均加权聚类系数等6个网络特征指标构建态势评估指标体系。采用分类的思想对飞行态势进行评估，分类器选择朴素贝叶斯分类器，将飞行态势分为优、良、中、差4个等级。仿真试验结果表明：相对于传统飞行状态网络，所构建的冲突网络能够降低33.3%的虚警率；所提出的评估模型能够准确判断空中的飞行态势，能为航空管制工作提供辅助决策。     

凸优化InSAR复杂体建筑物高程反演方法

针对城镇化复杂体高层建筑物反演方法的优化问题，构建复杂体建筑InSAR复图像对仿真系统，优化多基线高程反演过程，提高高程反演的准确度。仿真实验与机载N-SAR系统录入城市实测数据进行对比分析，结果表明，仿真结果与复杂体建筑物实际数据相符，验证了此仿真方法的准确性与高效性；优化后高程反演结果精确度明显提高，误差精度达到1m,对高层建筑进行更加准确的参数化解析和信息反演以及常态化SAR辐射定标提供了技术支撑。     

基于熵理论的复杂装备费用测算模型

为了提高航空器、飞机等大型复杂装备的费用预测精度，根据相似信息优先原理和熵理论，将相似装备的选取看作是一个信息融合的过程，引入距离熵和灰关联熵，构建综合相似度指标来度量装备样本与待预测装备之间的相似程度，对不同样本进行赋权，建立加权最小二乘法对装备费用进行预测。针对装备样本数量小于参数数量的情形，通过构建装备参数对费用的驱动效应矩阵及计算相应熵权，选择熵权较大的参数作为测算模型的自变量。通过实例对比分析，表明基于熵理论的加权回归测算模型具有较高的预测精度和稳定性。      

时变耦合复杂网络的混沌同步在保密通信中的应用

在时变耦合复杂动态网络同步的基础上研究复杂网络节点间的保密通信，并以Lorenz方程为复杂网络节点的状态方程为例，验证了复杂网络的同步在保密通信中应用的有效性。     

考虑售后服务与回收加工的复杂设备部件生产库存控制模型

综合考虑了大型复杂设备生产厂家各种类型的部件来源与需求,构建了复杂设备部件生产库存控制模型。模型以费用作为目标,通过权衡生产成本、库存成本以及缺货成本,从而确定合理的部件生产库存控制策略。