基于变邻域变步长LMS背景预测检测红外小目标

在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了一种基于变邻域变步长LMS自适应背景预测的红外弱小目标检测方法.首先将两类背景交界处像素的邻点按最大类间平均离差准则分成两类,和中心像素点相近的一类构成预测邻域,而背景内部区域采用固定预测邻域;然后提出了一种改进的变步长LMS自适应算法,在所得预测域上进行背景预测,由实际值和预测值相减得到残差图像;最后采用二维Tsallis-Havrela-Charvat熵阈值选取方法对残差图像进行分割,并根据目标运动的连续性和一致性确认真实小目标.针对实际红外图像序列的实验结果表明:该算法能有效地抑制强起伏杂波,增强目标能量,降低虚警率,对强起伏背景下弱小目标具有很好的检测性能.     

南中国海邻域对流TBB季节分布和变化特征

利用日本气象研究所提供的1980—1997年共18年各年TBB资料，研究南中国海邻域对流TBB季节分布和变化特征。冬、春、夏、秋各季节TBB≤－32℃出现频率和TBB≤－10℃低值带的分布特征显示：TBB频率高值中心和TBB低值中心的分布极为接近。由冬季到夏季，位于苏门答腊岛的对流活跃区域向西北方向移动到孟加拉湾及北部地区；由夏季到冬季往东南方向撤退，回到苏门答腊岛的上空，具有明显的年循环特征。不同经度TBB时间-纬度剖面图分布特征显示：在印度、孟加拉湾、中南半岛，TBB低值带表现为由赤道系统性地北传和南撤，而南海东部．西太平洋TBB低值带具有局地突发性；我国长江中下游、日本南部TBB低值带建立的时间与南海东部、菲律宾以东的西太平洋较为一致。本文揭示的南海及邻域对流活动最活跃和最不活跃区域的时间和空间分布的演变特征，使我们对整个南海及邻域对流活动的时间和空间分布有较全面的了解，有利于搞好南中国海气象服务。     

基于先验概率优势关系的粗糙决策分析模型

针对含有不完全偏好信息的多属性决策问题,提出了基于先验概率优势关系的粗糙决策分析模型.首先分析了扩展优势关系和限制扩展优势关系的不足,在此基础上提出先验概率优势关系的概念,并得到先验概率优势关系下的粗糙近似;然后通过对比分析,证明了新模型较上述两种优势关系模型可使分类结果更加符合实际情况和人在数据处理过程中的直观感受.最后,通过一个实例验证了新方法的可行性和有效性.     

基于近似粗糙集分辨力分类算法的飞机类型预测

传统的C4.5分类决策树作为数据分类算法具有计算简单、准确率高的优势，由于飞机具有参数多和数据量大的因素，C4.5算法需要对连续属性值进行多次顺序扫描，分类时间效率较低。针对此问题，提出近似粗糙集和决策分辨力分类算法，利用粗糙集近似度来判断属性划分样本数据能力，并将其代入到决策分辨力算法中，以决策分辨力最大的属性作为分裂特征建立分类决策树。算法在保证分类决策准确率的同时，提高计算效率并减少过拟合问题的产生。通过对UCI(University of California, Irvine)数据集上多组数据样本的对比实验分析，验证了本文提出PSRP(rough set and resolving power)的算法在保证相同准确率的情况下，平均计算时间效率提升约10%，可靠性提升2%。     

光纤智能结构的传感网络敏感区域探测

实用的传感网络控制决策以及相应的控制系统保证了智能结构的使用可靠性,而传感网络敏感区域的确定影响到传感网络信号的有效性和传感网络覆盖位置的正确性.本文利用了与光纤智能结构匹配性较好的粗糙集理论粒度计算方法,对光纤智能结构的传感器网络敏感区域进行探测.在研究了机翼盒段光纤智能夹层传感网络后,得出了敏感区域分布和传感网络的覆盖位置,经过分析认为,此法可对光纤智能结构传感网络敏感区域进行探测并可以简省传感网络信号.     

一种区间属性值离散化的新方法

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域.传统的粗糙集理论只能对数据库中的离散属性进行处理,因此,连续属性值的离散化问题不容忽视.已有的离散化方法主要是针对固定点上的连续属性值的,实际应用中大量存在着连续区间属性值的情况.文中针对这一问题,提出了一种连续区间属性值离散化的新方法,并利用辐射源信号进行了仿真试验.结果表明,该方法能有效离散区间属性,从而拓展了粗糙集理论的应用范围.     

一种航空发动机连续数据的粗糙集离散化方法

针对传统粗糙集属性离散化方法存在离散化区间会破坏数据实际含义的问题,结合连续属性的领域知识,提出了一种基于信息熵的粗糙集属性离散化方法。利用航空发动机的滑油光谱分析数据对其进行了验证,结果表明其能够在保持决策表相容关系的前提下,获得具有较好实际意义的离散化区间。     

航空发动机性能参数约简方法研究

对航空发动机进行性能参数约简以提取关键参数,是提高故障识别准确率和可靠度的必要条件,为此提出两种性能参数约简算法.基于灰色聚类算法的参数约简,首先计算参数间的灰色关联度,然后选取聚类中心进行聚类以提取特征参数.基于模糊粗糙集的参数约简,首先利用模糊聚类算法对连续数据进行离散化处理,然后用粗糙集理论进行参数约简.用某型航空发动机实际监测数据进行验证,结果表明:两种方法约简结果一致,以此约简结果进行故障诊断可提高诊断率,缩减运算时间.     

航空液压泵柱塞游隙增大故障诊断

柱塞游隙增大是航空液压泵典型的渐进性故障之一,其故障特征模糊,样本有限,故障数据充满噪声,对其进行精确的故障诊断十分困难,因此提出了一种基于简约支持向量机的故障诊断方法.利用粗糙集对故障特征变量进行简约,去除冗余信息,在保证分类质量不变的前提下寻求覆盖系统故障特征的最小属性集合;将简约后的数据样本用来训练支持向量机进行故障分类.使用训练完成后的简约支持向量机进行故障诊断的实验结果表明,此种诊断方法适合于航空液压泵柱塞游隙增大的高精度故障诊断.     

测量粗糙集中模糊性的一种新方法

针对粗糙集中存在的模糊性问题，提出了一种利用模糊熵测量其模糊性的方法。中给出了一种新的模糊熵，提出了基于等价关系下粗糙集模糊熵的计算公式及等效表示方法，证明了这种模糊熵的性质。并将基于等价关系的粗糙集的模糊熵拓展到基于一般二元关系下粗糙集的广义模糊熵，给出了广义模糊熵的计算公式及等效表示形式。最后以一个例子说明粗糙集中模糊熵的具体求解方法。从例子可以看出，本提出的模糊熵可以方便、有效地测量出粗糙集中的模糊性。