基于多模特征融合的雷达干扰信号识别

传统制导雷达面临的新型有源干扰样式越来越复杂，雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效，通用性较差、泛化能力较弱，无法应对复杂多变的干扰对抗环境。因此，必须提出智能化更高、稳健性更强的普适干扰识别方法，提升制导武器抗干扰能力。为了提高干扰信号识别的准确率，研究了多模特征融合算法，并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中，通过仿真实验表明，能够有效对常见干扰进行有效识别，在较低干噪比下也有较好的识别准确率。     

基于层间分类一致性准则的舰船目标细粒度识别方法

舰船目标的层次化、细粒度识别在军事和民用领域均有重要意义。现有细粒度识别方法一般需要部件级精细标注或采用注意力机制提取关键特征，但并未有效利用舰船目标层次化分类体系中本身所蕴含的隶属关系信息提高细粒度识别精度。针对舰船目标的层次化分类问题，建立了舰船目标多层级一致性分类数学模型，提出了一种基于层间强一致性分类准则的细粒度识别方法，设计了层间一致性分类损失函数，并构建了多层级兼容舰船目标细粒度识别网络(MLCDet)。经试验验证，该方法有效、鲁棒，资源开销小，能够有效利用分类体系中各类别间的隶属关系提升目标识别精度。在无需部件级标注信息的前提下，将mAP提高了1.3%,与此同时，模型总参数量仅增加0.02%,推断速度不变。     

基于ViBE与面向对象分类的视频卫星运动车辆检测

为了提高视频卫星对运动车辆的检测质量，在经典视觉背景提取器(ViBE)算法的基础上，结合遥感的面向对象分类技术，从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手，提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBE模型参数，尽可能多地获取真实运动目标，但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系，采用面向对象的分类方法，基于光谱、纹理、空间属性，构建了均值、标准差、卷积核内平均灰度值、卷积核内平均信息熵、面积、长度、紧密度、延伸度等8个特征，用于提取道路信息，以此掩膜ViBE提取的虚假运动目标和伪运动目标。结果表明，基于本研究提出的视频卫星运动目标检测方法较之三帧差分法、ViBE检测方法等，其精度有明显提升。在本研究中，三帧差分法、ViBE和VOMVD对运动目标的检测精度P分别为70.91%，61.49%和85.71%，召回率R分别为84.78%，98.91%和97.83%，F值分别为77.23%，75.83%和91.37%，有效提升了方法对运动目标的检测效果。     

基于单类分类的航空遥感影像变化检测

航空遥感影像的变化检测在城市规划等领域发挥着重要作用。文章提出一种基于单类分类的变化检测方法，通过对不同时相的航空遥感影像进行单类分类，提取针对该兴趣类别的变化信息。该方法仅需要兴趣类别的训练样本，由训练样本确定一个距离阈值，实现单类分类和变化检测。虽然简化了参数设置和样本训练，但实验结果表明，该方法与最近邻方法具有相近的变化检测精度。     

电线电缆的电磁兼容分类专家系统的建立

在飞机上,电线电缆的合理敷设是减小设备间电磁耦合的有效措施,要做到合理敷设,首先要考虑的是电线电缆的电磁兼容分类。分析介绍了电线电缆的电磁兼容分类方法,将工程设计与软件设计相结合,使用Oracle9i和VisualC＋＋6.0作为开发平台,提出了基于产生式规则的分类专家系统,根据工程实际对规则进行了优先级排序,提高了规则匹配的效率。该系统有效地提高了敷设工程的质量,减小了工程中的出错率。     

Android恶意APP多视角家族分类方法

针对现有Android恶意软件家族分类方法特征构建完备性不足、构建视角单质化等问题，提出了一种多视角特征规整的卷积神经网络(CNN)恶意APP家族分类方法。该方法结合MinHash算法。将软件中Android框架系统API、操作码序列、AndroidManifest.xml文件中的权限和Intent组合3个视角的原始特征在保留APP间相似度情况下进行规整，并利用多路卷积神经网络完成对各视图的特征提取和信息融合，构建一套恶意APP家族分类模型。基于公开数据集Drebin、Genome、AMD的实验结果表明:恶意APP家族分类准确率超过0.96，证明了所提方法能够充分挖掘各视角的行为特征信息，能有效利用多视角特征间的异构特性，具有较强的实用价值。      

基于OCKELM与增量学习的在线故障检测方法

针对航空电子设备故障检测样本少、以及缺乏在线实时检测理论研究的问题，将一类核极限学习机(OCKELM)和数据增量学习(IL)相结合，实现对贯序来临的样本数据在线故障检测。基于正常状态下的样本数据，给出了OCKELM的核化形式，并推导了核函数和核权重向量的表达式；根据增量学习方法，在吸收新样本时更新核权重向量并估计样本输出值；最终基于2种阈值准则给出模型的检验阈值，对测试样本进行在线故障检测。将所提方法应用于UCI数据集和某航空电子设备的测试数据，实验结果表明：该方法的时间消耗在毫秒级别，实现了在线检测；且相比于现有的SVDD、PCA、OC-SVM方法，该方法在F1、AUC、G-mean和故障检测率等性能指标方面均表现优异。     

基于DJI精灵4多光谱版无人机的红树林精细分类

本文基于DJI（大疆）精灵4多光谱版无人机能够同时获取地表可见光照片和多光谱影像的特点，提出了使用摄影测量技术构建冠层高度模型（CHM）的方法，并结合多光谱影像应用于红树林分类。将上述方法应用于广东省湛江红树林国家级自然保护区高桥镇研究区，结果表明：基于无人机摄影测量技术构建的红树林CHM与多光谱影像结合后能够大幅提高红树林的分类精度，可替代传统的机载激光雷达数据；DJI精灵4多光谱版无人机数据获取效率高，能够实现高精度的红树林分类，在红树林监测业务工作中具有推广应用价值。     

基于冲突分类与消解的多智能体路径规划算法设计CSCD

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。