基于实例推理技术及其研究发展方向

基于实例的推理技术（Case- Based Reasoning ,CBR）是人工智能及机器学习领域中的前沿方向.作为一种增量式的学习方法,规避了传统人工智能在知识获取上的瓶颈问题.本文介绍了CBR的基本原理、实例中知识的表示方法和Tverskey和k-NN两种检索技术;详细讨论了CBR实现过程中的中心问题--实例修正问题,给出实例的修正的8种技术与方法;提出了基于实例的推理技术的研究重点和发展方向.     

一种RS码变换域译码算法及关键方程的讨论

提出了RS系统码的一种变换域译码的算法,该算法不用求错误位置多项式的根和错误值,运算结构规则:用Grbner基理论分析证明了关键方程的解是在相似文献   

多目标探测与捕获：一种统一的方法

假设采用多目标跟踪器跟踪处于强杂波环境中的暗弱目标，在《杂波中暗弱目标的捕获》一文中，Oilver Drummond指出，对于这样的跟踪器，目标捕获（即，确定在含有持续的象素中是否存在目标）是两个截然不同的问题。具体地说，目标捕获要求有两个接收机工作特性（ROC）曲线，而目标只要求有一个。在以往有关这一主题的会议和其它会议上发表的论文以及《数据融合的数学方法》一书中，我们已经介绍了“有限集统计法”（FISST），它直接将常规的单传感器、单目标统计推广到多目标领域。在本文我们说明了怎样通过FISST使探测和捕获统一在一个相似的决策理论框架下。其基本构想是采用一个统一的具有杂波模型的Bayesian单目标跟踪器，而不是一个多目标跟踪器。与常规的探测问题相类似（即，在“只有噪声”和“目标＋噪声”的假设之间作出判断），捕获问题化为常规的判决问题（即，在“只有杂波”和“目标＋杂波”的假设之间作出判断）。此外， 我们还说明了对于这一类广义探测问题应怎样来确定“捕获ROC曲线”。     

求解含多个右端向量非对称线性方程组的自适应块拟最小残量IOM(q)算法

许多实际应用问题需要求解含多个右端向量的大型非对称线性方程组 ,通常是把原来方程组分成单独几个含一个右端向量的方程组 ,再用某种迭代法分别单个求解 ,而更加经济有效的方法是应用能同时产生几个迭代向量的块迭代法来直接求解。本文在 IOM(q)算法的基础上 ,提出一种求解此类方程组的块拟最小残量 IOM(q)算法 ,讨论了如何收缩掉已收敛的部分方程组以及如何从产生的块 Krylov序列中删除线性相关或几乎线性相关向量的自适应技术。数值试验表明 ,此新的自适应块算法比块 GMRES算法及其他相关算法具有更好的收敛行为、更少的计算量和 CPU计算时间 ,是求解此类方程组的一种更加经济有效的算法。     

舰载多传感器/相控阵雷达系统及其数据融合

舰载多传感器 /相控阵雷达系统具有作战空域广、抗干扰性强、全寿命 /成本效费比高和工作可靠等突出优点 ,但技术复杂。其中多传感器数据融合技术是目前和未来舰载相控阵雷达的发展方向。主要论述 2 1世纪舰载多传感器 /相控阵雷达的系统组成、主要性能和功能、多传感器类型、数据融合的选择及其功能水平分级等     

质量矩导弹的神经网络及自适应非线性控制

本文对质量矩控制导弹的动力学方程简化和控制系统的设计进行了研究。详细阐述了所提出的控制方法，介绍了径向基单隐层神经网络进行误差补偿的算法原理，用Lyapunov理论证明了所采用方法的稳定性。在给出了质量矩导弹的六自由度动力学方程和简化后的方程后，用所提出的方法设计控制系统。通过仿真分析，得出了本文所提出的方法具有较好的误差补偿能力的结论。     

机载雷达的未来发展

本文从当今机械扫描天线到电子扫描相控阵以及共形“智能蒙皮”的角度，探讨了机载雷达的可能发展趋势，阐明了电子扫描相控阵的运行优点，概述了未来综合射频(RF)传感器的概念，提出了实现这一概念的多项关键技术。     

空对空导弹拦射攻击的火控算法

雷达半主动制导中程空对空导弹,是现代战斗飞机的标准武器。典型的发射攻击方式是迎头拦射,用以截击低空或超低空入侵的敌机目标。本文讨论了拦射攻击的基本火控算法,以及导弹发射包络计算、信息显示和导弹装定参数计算等有关的问题。