军用危险品航空运输装卸保障风险预测 ac

针对军用危险品航空运输装卸保障过程中的风险问题,根据军用危险品航空运输装卸保障理论与实际,梳理出影响军用危险品航空运输装卸保障的因素,建立了影响因素层次模型。针对影响因素的不确定性,将模糊集理论应用到贝叶斯网络中去,建立了基于模糊贝叶斯网络的军用危险品航空运输装卸保障风险预测的数学模型。最后,将实例中的节点证据输入到模糊贝叶斯网络中,对保障风险进行推理,验证了模型的有效性和实用性。     

银行印鉴的模糊识别方法

印鉴的计算机自动识别在金融电子化进程中是一个关键问题,也是一项十分难以解决的课题,目前国内外已提出了一些算法,但仍然在存在若干未能解决的问题,本文结合遗传算法,图像分析,模糊识别等方法,提出了一套完整的印鉴识别方法,能适应不同形状,大小的印鉴,配准精度高,特征提取较为全面,有效,分类准确,且能较好的消除背景干扰,基本达到实用要求。     

一种计算二维图象矩的神经网络方法

提出一种计算二维图象矩的神经网络方法,首先,导出一维信号矩与一维Ｈａｄａｍａｒｄ变换之间的关系。通过２Ｎ－一维Ｈａｄａｍａｒｄ变换和极少量加法,移位及乘法运行可计算二维图象矩。然后给出用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络实现Ｈａｄａｍａｒｄ变换的方法,并对该网络作了改进。     

基于管制语音指令识别的防跑道侵入安全告警策略设计

传统场面监视管理系统通常采用基于电子进程单操作和场面目标态势识别的防跑道侵入安全告警设计策略,无法判别和保证管制语音指令与电子进程单操作之间是否具备一致性,某型空管场面监视管理系统尝试在引入管制指令识别功能的基础上重新设计防跑道侵入安全告警策略,为实现更准确高效的防跑道侵入应用提供了解决方案。     

舰载机智能复飞决策技术研究

为了进一步改进复飞技术,针对复飞环境,提出了一种在原军用推力操纵的基础上,加入具有保持迎角恒定的升降舵模糊控制的复飞系统,从而有效地增强了低动压状态下飞机的机动能力。给出了复飞决策准则,设计了基于模糊控制的复飞决策系统,并对具有该复飞决策系统的舰载机自动着舰导引系统进行了仿真验证。结果表明,该复飞决策系统明显地缩小了复飞边界区,大大提高了着舰和复飞的安全性,可实现自动复飞,减轻了飞行员的负担。     

基于PIC＋FPGA飞机直流供电系统设备故障预测研究

针对飞机直流供电系统中直流设备工作情况，本文利用FPGA双进程有限状态机方法控制A／D转换器，快速准确采样多路信号。用模糊理论的建议语言规则，结合PIC单片机的控制优势，从而解决飞机直流供电系统设备故障预测报警。     

基于伪随机序列调制的混合域自适应盲水印算法

在多小波变换和DCT变换混合变换域中，提出了一种基于伪随机序列调制的彩色图像盲水印算法。该算法先将原始彩色图像由RGB空间转换到YIQ空间．选取Y分量多小波变换后的中频区域作为水印的嵌入区域。水印嵌入前先对待嵌入水印区域8×8分块，然后对所有子块按照纹理和能量特征进行模糊分类，最后将置乱后的二值水印信息用两个互不相关的伪随机序列进行扩频调制．嵌入到8×8子块DCT变换后的交流系数上。提取水印时，通过比较两个伪随机数列和待检测系数相关性的大小来提取水印，不需要原始图像参与。实验表明，该算法对噪声、JPEG压缩和几何剪切等常见的攻击操作具有很强的鲁棒性。     

基于模糊机会约束规划的机会阵雷达方向图综合

针对机会阵雷达方向图综合的不确定问题,提出了一种基于模糊机会约束规划的方向图综合规划模型。该模型基于可信性理论,综合考虑天线单元分布的随机性以及激励状态的不确定性,将参与方向图综合时激励打开的天线数目看做一个梯形模糊变量,用以描述综合时的复杂不确定环境。随后,将规划模型转化为清晰等价形式,再结合遗传算法和灰关联综合评价法则设计了一种混合智能优化算法,用于求解该模型。以一维任意非均匀线阵为例,对主瓣宽度和最大副瓣电平进行了优化。仿真表明:优化后结果的可信性高于置信水平,验证了该算法的有效性。     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.