灰色优势分析在多雷达低空小目标跟踪中的应用

在多部雷达同时跟踪低空／超低空飞行的机动小目标时,因受低空杂波,电子干扰和雷达自身探测精度等因素影响,易使部分雷达探测的数据不完整,不精确,不可靠,甚至相互矛盾,结果造成融合中心数据处理精度下降,针对这一情况,本文应用灰色系统理论的绝对关联度定义和性质,提出了一种改进的绝对关联度计算方法,并在此基础上将多部雷达经一次融合后的数据作为特征数据进行优势分析,把每时送入融合中心比较差的雷达数据用特征数据替换,再进行二次融合,仿真结构表明,应用改进的绝对关联度对雷达数据进行灰色优势分析和二次融合,可进一步提高雷达系统的跟踪精度和可靠性。     

基于规范割的空间金字塔图像分类算法

对大型图像数据库进行图像分类是很困难的,空间金字塔算法针对这种问题提出,并能得到很好的分类精度,但有几点不足.针对这些不足,提出基于规范割的空间金字塔算法:使用规范割算法对特征词进行更准确的聚类;对每类训练图像计算子特征库,利用二次聚类生成总特征库,在特征字典中保留更多的稀疏类型图像特征词;用高斯模型量化未知特征生成特征直方图,并对直方图进行尺度重整,提高类间距.实验证明提出算法比原方法分类精度最多能提高4.6%.     

基于测量数据积累的弱目标检测前跟踪算法

检测前跟踪(TBD)算法是一种有效的弱目标联合检测与跟踪方法。当目标强度参数未知时,基于点目标假设的主流TBD算法通常将其建模为增广目标状态变量,在贝叶斯框架下联合估计目标运动状态与强度信息。本文研究发现强度参数估计精度受限于点扩散函数(PSF)的设置,提出了一种基于测量数据积累的弱目标TBD算法。该方法利用目标的航迹,积累多帧间目标占据分辨单元的测量数据,在实现弱目标的联合检测与跟踪的同时,对目标强度参数完成准确估计,为后续目标分类或识别提供有用的目标强度信息。仿真结果表明:在低信噪比条件下,所提算法的强度参数估计精度和稳健性优于主流TBD算法,并最终收敛于参数完全已知时的最优联合检测与跟踪结果。     

测压点分布对嵌入式大气数据传感系统计算精度的影响研究

测压点是嵌入式大气数据传感(FADS)系统的数据来源,其分布形式直接影响到系统测量精度。基于牛顿模型和滤波算法建立FADS计算模型;以球形机头为例,设定飞行剖面的马赫数范围为4.30~15.79,高度范围为25~70km;得出测压点圆周角、圆锥角和非对称分布下大气参数的计算误差。结果表明:沿圆周方向增加测压点数量,可提高FADS系统测量精度,但存在门槛值,超过此门槛值效果有限;在测压点数量相同的情况下,增大圆锥角可明显提高FADS的测量精度;测压点的非对称分布则对测量精度没有影响。     

基于任意两点试验信息的寿命分散系数法

在试验数据缺失无法获得中位寿命时,为避免偶然因素导致个别试验结果偏低而造成技术寿命偏低,浪费寿命的情况,提出了基于任意两点试验信息的寿命分散系数法.推导了基于对数正态分布小子样任意两点试验信息的寿命分散系数计算公式,计算了给定置信度下相应的寿命分散系数.算例表明:利用提出的方法及相应寿命分散系数,得到的技术寿命与基于中位寿命获得的技术寿命结果接近,方法合理.最后给出了该方法的适用范围.      

航空发动机试车数据分析软件简介

介绍了使用高级程序设计语言Visual Basic开发的航空发动机试车数据分析软件的构成、功能和特点。实际应用与试验对比证明,该软件不仅结果准确,而且省时、简便、实用性强。     

基于改进模糊c-均值数据预处理方法的研究

在数据预处理过程中模糊c-均值对初值的设定非常敏感,如果初值设置不好容易陷入局部最优解。提出了用减法聚类对模糊c-均值进行初值设定的方法,并把其应用到了模糊规则的生成过程中,通过实验可知应用此种方法不但可以得到全局最优解,加快收敛速度而且不必事先给定聚类个数,所以这是一种行之有效的数据预处理方法。     

一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

基于改进极限学习机的数据采集与监控系统攻击检测模型

提出一种基于改进极限学习机（Online sequence extreme learning machine, OSELM）的新能源电站数据采集与监控（Supervisory control and data acquisition, SCADA）系统攻击检测模型。首先使用ADASYN算法对数据样本中的异常数据和正常数据进行数量平衡,以满足真实电站SCADA系统环境中异常数据量少的特点。接着使用降噪自编码网络对平衡后的数据进行约简,消除无关或冗余特征以降低检测模型的训练时间。最后在AWID数据集上进行了大量对比实验,结果表明,所提的数据约简方法可有效地降低数据维度,降低了检测时间;与其他基于浅层学习算法的检测分类器相比,本文所提方法在检测准确度和误报率方面也体现出了更优性能。     

基于灰色GM(1,1)模型和灰关联的数据挖掘方法

根据灰色系统模型的特点,将灰色GM（1,1）模型应用于数据的预处理,把灰关联作为一种直接的数据挖掘工具对数据进行关联分析,结合GM（1,1）模型和灰关联,给出一个完整的数据挖掘算法。