基于混沌神经网络的多目标数据关联

研究了多目标跟踪中的数据关联问题。利用混沌动态的遍历性，搜索过程可避免陷入局部极小。仿真结果表明，利用混沌神经网络实现多目标数据关联是可行的，且比Hopfield神经网络有更高的收敛效率。     

基于混沌神经网络的多目标跟踪技术研究

本文应用混沌神经网络求解多目标跟踪中的数据关联问题,给出了混沌神经网络的模型,构造了数据关联的能量函数表达式,在数据关联过程中,采用退火算法。仿真结果表明,应用混沌神经网络求解数据关联比Hop fie ld网络具有更块的收敛速度和更小的关联误差。     

一种混沌遗传混合算法及其在机动多目标数据关联中的应用

讨论了混沌优化方法和自适应遗传算法在多目标数据关联中的应用,针对这两种算法的不足,提出了一种集成混沌优化与遗传算法的混沌遗传算法.仿真结果表明,将本文提出的集成算法运用于数据关联,可以提高关联成功率,加速算法收敛速度.     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法,该方法是将多传感器的测量数据进行自组织聚类,从而实现测量数据的关联,利用融合估计完成对多目标的状态估计.计算机仿真结果表明了该算法的有效性.     

基于RBF的混沌序列产生的新方法

介绍了利用RBF(Radial Basis Function)网络产生混沌序列的方法,即利用RBF网络跟踪混沌序列的模型,分析RBF神经网络对混沌序列的学习能力.最后利用最大Lyapunov指数判别法检验其序列,结果表明其序列具有较好的保密性能.     

基于RBF网络的舰船混沌保密通信系统研究

介绍了利用RBF网络产生混沌序列的方法,无需针对每一种混沌映射设计单一的系统结构,增加了混沌序列的复杂度和抗噪声能力.同时还分析了RBF神经网络跟踪混沌序列的学习能力.仿真结果表明,利用 RBF网络输出混沌序列,不仅跟踪速度快而且精度高.对输出的混沌序列的统计特性进行检验,表明RBF网络产生的序列有良好的伪随机特性.     

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。     

混沌理论研究及其在舰船目标识别中的应用

为有效提取舰船目标的特征,进行舰船目标自动识别.以混沌理论为基础,研究了混沌的定义和基本特征,从混沌系统运动特征中,以实际采集的舰船辐射噪声为研究对象,找出对舰船目标识别有效利用的关联维数这一混沌特征量,对其提取算法进行研究和仿真.通过对各类舰船辐射噪声的关联维数的提取仿真实验表明,关联维数这一混沌特征量能有效对各类舰船进行分类识别,从而对水中兵器的制导系统及目标识别系统设计具有一定的借鉴意义.     

一种混沌遗传混合算法及其在机动多目标数据关联中的应用

讨论了混沌优化方法和自适应遗传算法在多目标数据关联中的应用，针对这两种算法的不足，提出了一种集成混沌优化与遗传算法的混沌遗传算法。仿真结果表明，将本文提出的集成算法运用于数据关联，可以提高关联成功率，加速算法收敛速度。     

混沌理论和神经网络相结合的舰船摇荡运动极短期预报

舰船摇荡运动具有混沌特性,因而可以应用混沌理论对其进行预报.介绍了混沌时间序列预测原理;建立了基于混沌理论相空间重构技术的RBF神经网络模型,并将其用于舰船摇荡运动预报;通过对某实船纵摇时历的预报计算,证明了采用混沌和神经网络相结合的预报方法,能有效提高预报精度和延长预报时长.