脉冲多普勒雷达导引头遮挡问题解决方法研究

分析了脉冲多普勒雷达导引头“遮挡”效应产生的原因,介绍了锵决“遮挡”的两种方法：记忆跟踪法和变PRF方法,提出了采用四种重频脉冲交替变换解决遮挡的方法,同时该方法能有效的解决导引头测距模糊问题。最后利用MATLAB软件对四重频脉冲进行了时域仿真,并对该方案进行了硬件实现。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system,BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法。然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题。为此,本文提出了基于函数链神经网络（Functional-link neural network,FLNN）的深度分类器（FLNN based deep classifier,FLNNDC）,旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点。和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

基于EKF的主动雷达寻的制导状态估计与最优控制研究

针对主动雷达寻的制导问题,进行了非线性系统状态估计和最优制导律的研究,并进行了目标机动情况下的仿真验证。利用主动雷达给出的带有噪声的观测信息,设计了寻的制导系统扩展卡尔曼滤波器,估计弹目相对运动状态信息。基于最优控制理论,按照需用过载和脱靶量最小设计了线性二次型最优制导律。仿真结果表明,所设计的主动雷达寻的制导系统滤波器和最优制导律能有效对付机动目标,满足飞行器控制要求。     

主动冷却燃烧室燃烧与传热耦合过程迭代分析设计方法

为了对主动冷却超燃冲压发动机进行研究与设计,采用实验与计算相结合的方法,对主动冷却超燃冲压发动机燃烧室内传热与燃烧的耦合过程进行了分析。该方法采用燃烧室静压分布的测量值作为输入条件,开展燃气-结构-燃料耦合传热分析,获得经过冷却系统后燃料的状态参数;将燃料的状态参数作为实验参数,开展直联式超声速燃烧实验,得到新的静压分布,如此反复迭代,直至燃料状态不再变化,最终确定主动冷却燃烧室的各种传热与燃烧特性参数。利用该分析方法,初步开展了不同飞行马赫数条件下主动冷却燃烧室闭环运行状态研究,得到了冷却煤油温度与燃烧室壁温同飞行马赫数的关系。     

基于EFFD方法的自然层流短舱优化设计

采用extended free-form deformation(EFFD)方法研究了自然层流(natural laminar flow,NLF)短舱的气动外形优化设计方法.使用基于Bernstein基函数的EFFD方法完成了NLF短舱剖面的参数化,利用基于k-εSST(shear stress transport)两方程湍流模型的γ-θ转捩模型进行自然转捩预测,结合EFFD、一种混合动网格方法、Kriging代理模型和改进的粒子群算法(particle swarm optimization,PSO)建立了针对NLF短舱气动外形的优化设计框架.采用该框架分别对通气NLF短舱和带动力NLF短舱进行优化设计.单独通气NLF短舱优化结果的外表面实现48%的层流,阻力系数比初始通气NLF短舱减小了0.0003.带动力NLF短舱的优化结果外表面保持了41%的层流.这些结果表明采用相关技术建立的优化设计框架在NLF短舱设计中具有一定应用价值.