Manifold structure preservative for hyperspectral target detection

A nonparametric method termed as manifold structure preservative (MSP) is proposed in this paper for hyperspectral target detection. MSP transforms the feature space of data to maximize the separation between target and background signals. Moreover, it minimizes the reconstruction error of targets and preserves the topological structure of data in the projected feature space. MSP does not need to consider any distribution for target and background data. So, it can achieve accurate results in real scenarios due to avoiding unreliable assumptions. The proposed MSP detector is compared to several popular detectors and the experiments on a synthetic data and two real hyperspectral images indicate the superior ability of it in target detection.     

ERG理论在房地产营销中的应用

在房地产营销中，我们根据ERG多层次需求理论，从S．T．P战略出发，将房地产市场进行细分（Segmentation）后，分析目标客户群（Targeting）并实施产品定位（Positioning）。通过进行4P营销组合，即满意的产品（Product）、适当的价格（Price）、有效的分销渠道（Place）和促销手段（Promotion）最终达到顾客满意。     

图样的知识目标分类与例证性分析

根据教育目标分类学的观点分解课程教学目标，再分别对分解的目标进行例证性分析，能更客观地验证教育目标的实效性和教育过程的可行性。本文通过对图样的知识目标分类与例证性分析，为工程图学教育目标检测做一尝试。     

最优捷联中制导规律的研究

对中远程战术导弹的捷联复合制导的中制导系统进行了分析和研究。建立了目标－导弹相对运动和弹体及自动驾驶仪的数学模型。基于这一模型，应用最优控制理论，设计了考虑弹体及自动驾驶仪的惯性为三阶控制对象捍的最优制指令。     

多传感器数据融合与弹道落点的预报

为了更精确地对弹道落点进行预报，对多传感器数据融合技术进行了,分批人出了雷达、红外系统和光测系统与传感器融合子系统连用的实例，并得出结论：单传感器的精度是难以满足现代战争需要的，寻求一种较好的融合方法来提高落点预报精度虽是一个难题，但仍是可行的。     

一种在SAR图像中进行目标识别的多尺度模型

本文基于SAR相干成像的原理，利用当图像分辨率改变时，自然景物和人工目标班点模式变化方式的不同，提出了一种从自然景物中识别人工目标的多尺度模型，并研究了此模型在不同分辨率图像中的性质及应用。     

基于信号分类的时频分布

在将时频分析应用于模式识别的应用中 ,传统的方法是先用时频分析方法表示所获得的信号 ,然后根据时频分布提取相应的特征 ,最后将所提取到的特征输入到分类器进行分类。为了使得时频分布具有好的局部聚焦性和抑制交叉项 ,学者对一些分布进行改进 ,如采用平滑函数 ,或者是采用降低干扰核设计等等。但其目的是获得良好的时频分布 ,其最终目的不是应用于信号分类。介绍了一种基于信号分类的时频分布设计 ,其目的不是获得良好的时频分布 ,而是获得很好的分类效果。     

基于冗余伪观测的自适应滤波算法

现有的二阶互差分(SOMD)算法能够给出与状态估计误差解耦的观测噪声协方差估计，但是需要满足冗余测量的条件，但这一条件往往难以满足。 针对这一问题，提出了一种利用状态预测值构造相邻2个时刻伪观测的方法，将原SOMD算法扩展到具有单测量的系统中。使用目标跟踪问题对该算法的有效性进行验证。仿真结果表明，当采样周期较小时，该算法能够忽略状态估计误差的影响并给出较准确的观测噪声方差，在精度和鲁棒性方面优于其他参考算法。     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

基于特征的锻件分类及特征有限元法

综合分析锻件后引入特征技术并归纳锻件的形状及变形特点 ,提出了锻件特征概念并给出锻件形状特征的一般定义和构成 ;采用面向对象技术表示特征 ,提出了锻件特征类的概念模式和具体的参数化数据模型 ;针对有限元分析中复杂多变的约束条件和载荷状况两个关键性因素的表达 ,提出特征类的关联思想。在基于特征的锻件分类基础上 ,把锻件变形归纳为“挤”或“压”两种特征元 ,提出了采用基于特征的有限元法 ,并综合自适应FEM、并行FEM、智能型FEM共同求解大型复杂锻件的变形模拟问题。