基于属性优先级的空中目标威胁评估模型

研究了水面舰艇编队防空作战威胁评估问题。首先介绍了直觉模糊集以及具有优先级的直觉模糊有序加权平均(IFHPOWA)算子的基本概念。在分析了防空作战威胁评估问题的特点与要求的基础上,建立了基于IFHPOWA算子的水面舰艇编队防空作战威胁评估变权模型。最后用1个实例对模型进行了检验。     

基于Fisher判决率加权的修正最近邻模糊分类器设计

针对基于高分辨距离像（HRRP）多类特征联合舰船目标识别的问题,提出了一种基于Fisher判决率加权的修正最近邻模糊分类器。在对舰船目标的HRRP特性进行分析的基础上提取船长、离散性、对称性、中心距等稳定特征,结合各类特征的稳定性和可分性,设计一种能让不同特征充分发挥优势作用的修正最近邻模糊分类器。该分类器用Fisher判决率对特征差隶属度进行加权修正;通过10类军民船目标的实测数据验证,表明基于Fisher判决率加权的修正最近邻模糊分类器在舰船目标识别领域具有很好的实际应用前景。     

基于模糊综合评判的空袭兵器识别方法

在对目标标准模型库建立的基础之上,通过把目标类型作为评判集,把探测参数作为因素集,并根据每个探测参数特点来构造隶属函数,提出了一种基于模糊综合评判的空袭兵器识别方法。最后实验结果验证,与模糊模型识别方法相比,文中法能够充分提取探测参数信息,具有识别准确、便于工程实现的特点。     

潜艇水声对抗系统中的鱼雷报警问题

本文分析了鱼雷运动辐射噪声和鱼雷运动所具有的特征，采用新的谱估计方法和时－频谱的多普勒分析技术，对鱼雷目标被动识别问题进行了探讨，提出了以模糊模式识别理论为基础的目标识别方法。在由接收信号的特征信息所构造的论域上，建立相应的隶属函数，依据最大隶属度原则，来识别判决鱼雷目标。文中还就鱼雷报警系统中的作用距离进行了理论分析和估计。     

基于粒子群K均值聚类的空中目标识别

舰艇编队面临的空中威胁日益复杂多样,正确、快速地识别目标是赢得对空防御作战的前提。在分析各传感器测量得到的空中目标威胁特征指标的基础上,将舰艇编队防空作战目标识别问题转化为最优聚类问题,建立基于粒子群聚类的目标类型识别模型。通过主成分分析将样本各特征值标准化、降维投影到新的特征空间,引入粒子群优化算法构建最优聚类识别模型,实例分析表明该方法有效,计算速度快,降低了实用的复杂度,提高了目标识别的可靠性。     

基于模糊加权的分布式IMMJPDA算法

提出了一种基于模糊加权的分布式交互多模型联合概率数据互联算法.该算法在融合中心采用模糊加权方法对不同传感器关于同一目标的模型概率、状态估计及其协方差进行融合,而模糊权值为各传感器关于各目标的状态估计协方差的迹的隶属度.最后通过计算机仿真验证了该算法的正确性和有效性.     

基于直觉模糊数和相对贴近度的军事航线优选

军事航线优选是一类典型的多属性决策问题,需综合考虑多个定性和定量的决策指标,且由于航行和战场环境的复杂性,决策信息具有高阶模糊不确定性。鉴于三角直觉模糊数能较好地描述高阶模糊不确定性信息,本文利用三角直觉模糊数表示待选航线相对于决策指标的评估值。在此基础上,定义了三角直觉模糊正、负理想解及其与待选航线的距离,建立待选航线与正理想解之间相对贴近度的计算方法,据此给出所有待选航线的优劣排序。数值实例说明该方法的有效性和实用性,可为解决军事航线优选问题提供新的途径。     

基于模糊数学模型的舰船红外成像目标智能识别方法

利用传统基于SVM和基于神经网络的方法对舰船红外成像目标进行智能识别,识别距离较短,导致识别范围受限。针对上述问题,提出基于模糊数学模型的舰船红外成像目标智能识别方法。该方法分为3步:1)对舰船红外图像进行预处理,包括图像滤波、图像增强、图像分割;2)利用基于几何特性方法提取处理后的图像特征;3)以图像特征作为模糊数学模型特征因子,构建模糊集合,并利用贴近度原则对被识别对象进行归属判决,完成目标识别。结果表明:与基于SVM和基于神经网络的方法相比,利用本方法进行舰船红外成像目标智能识别,识别距离延长10 m和20 m,识别范围扩大。     

基于AHP的作业指挥管理系统应用效能评价模型

层次分析法是一种用于分析解决多目标、多准则的复杂系统问题的定性分析与定量分析相结合的系统决策分析方法,是复杂系统实现科学化决策的有力工具。文章首先确定作业指挥管理系统的指标体系,对作业指挥管理系统的应用效能进行模糊综合分析和研究,并提出基于AHP和模糊综合评判的方法对其应用效能进行评价,构建应用效能评价模型。数值仿真结果表明:该应用效能评价模型中的判断矩阵具有满意的一致性,作业指挥管理系统的应用效能属于优等,利用最大隶属原则来确定的评判等级较为有效。     

基于云计算技术的船舶通信网络动态负载均衡研究

为了提升动态负载均衡效果,提出基于云计算技术的船舶通信网络动态负载均衡方法。利用直觉模糊时间序列算法预测云计算船舶通信网络服务器负载,对比分析预测负载与服务器负载上下限阈值,决定服务器内虚拟机是否需要迁移,若需要迁移,则以最短迁移时间与最小迁移量为目标,建立迁移目标虚拟机集合选择模型,利用遗传算法求解该模型得到迁移目标虚拟机集合,并以最大剩余容量为选择策略选择目标服务器,动态在线迁移目标虚拟机集合至目标服务器完成船舶通信网络动态负载均衡。实验证明：该方法可实现船舶通信网络动态负载均衡;不同任务数量时,该方法的动态负载均衡效果均较优;不同虚拟机数量时,该方法可有效降低任务截止时间违背率。     

基于犹豫度专家残缺权重补充及其群决策方法

针对直觉模糊群决策专家权重残缺的问题,在各方案平行的前提下,提出了一种基于直觉模糊数犹豫度的专家客观权重补充方法。并结合专家的主客观权重,给出决策者客观不同的专家权重公式。最后,综合各决策者的犹豫度对方案进行排序择优,并通过实例分析说明了该方法模型的具体应用及计算过程。     

The research on high speed underwater target recognition based on fuzzy logic inference

The underwater target recognition is a key technology in acoustic confrontation and underwater defence. In this article, a recognition system based on fuzzy logic inference （FLI） is set up. This system is mainly composed of three parts ： the fuzzy input module, the fuzzy logic inference module with a set of inference rules and the de-fuzzy output module. The inference result shows the recognition system is effective in most conditions.     

模糊模式识别在电器性能综合评估中的应用

采用了改进的模糊模式识别的方法,从综合考虑电磁电器产品性能的角度出发,将动态测得的能够反映电磁电器性能的主要特性指标,作为模糊模式识别的级别变量特征值,建立了综合评估电磁电器性能的模糊模式识别模型,并运用该方法对CJ20-100A交流接触器进行了综合评估,结果合理,方法可行,有一定的参考价值。     

一种模糊特征提取算法及其在人脸识别中的应用

F isherface是人脸特征提取中常用的方法,KPCA LDA能更好地解决非线性问题。本文把模糊技术与KPCA LDA相结合提出了一种新的特征抽取方法。首先用KPCA进行初次特征提取,然后利用FKNN计算图像对各类别的隶属程度,再在此基础上用LDA进行二次特征提取。在ORL人脸库上的实验结果表明了该方法的有效性。     

基于模糊粒子滤波的视频跟踪方法研究

智能视频监控系统的基础就是对监控范围的视频序列中目标进行有效实时的跟踪,针对当前跟踪方法在光照突变、部分遮挡情况下的跟踪缺陷,本文提出了一种利用模糊粒子滤波（Particle Filter,PF）进行视频目标跟踪的新算法.该算法结合模糊控制理论,引入量测的模糊性来克服特征信息的不确定性,并建立一个基于背景建模技术的自适应高斯混合模型和基于序贯蒙特卡洛的跟踪算法（sequential Monte-Carlo-based）.在新算法的指导下,针对静止摄像机在光照条件改变以及目标发生部分遮挡的情况进行了深入的研究.通过多种模糊量测技术的比较和应用,本文方法实现了多个目标精确有效跟踪.     

听觉谱特征在水下目标回声识别中的应用

水下目标回声特征提取是主动目标识别的关键内容。本文提出将语音识别领域中较为成熟的RASTA-PLP听觉模型应用于水中目标回波的特征提取,并根据信号的特点对RASTA-PLP模型进行修正。对比应用PLP方法进行的水中目标单频回波识别实验,结果表明：当加入卷积噪声后,修正的RASTA-PLP特征表现出更加良好的鲁棒性能,在同等测试条件下识别率比PLP听觉模型特征高约3%,显示了本方法在实现目标回声自动识别上的重要应用前景。     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

基于ASM和FNN的人脸识别

将主动形状模型ASM(Active Shape Model)与模糊神经网络FNN(Fuzzy Neural Networks)相结合并用于人脸识别。针对经典ASM对初始化位置敏感、收缩速度慢的现象和传统模糊神经网络难以解决高维模式分类的问题进行了分析和改进。ORL人脸库上的试验表明了该算法的有效性。