基于kd-树的快速邻域分类方法

有关邻域粗糙集中信息粒化的研究大多以提升邻域分类准确率为目的,往往忽略了高效的邻域搜索策略对提升邻域分类方法时间效率的重要现实意义.为解决该问题,文中借助kd-树型邻域搜索策略,提出了一种基于kd-树的快速邻域分类方法 kdtree-NC,该方法在特征选择与邻域分类两阶段的信息粒化过程中,均采用kd-树搜索策略代替传统邻域分类方法 NC中的线性遍历搜索,很大程度上降低了NC处理大规模数据的时间消耗.在18组UCI数据集上的实验结果表明,与NC方法相比,kdtree-NC方法在特征选择和邻域分类上的时间效率都有显著提升.     

基于机器学习的舰船系统交叉覆盖数据分类方法

传统的舰船系统交叉覆盖数据分类方法存在着分类性能差的缺陷,为此提出基于机器学习的舰船系统交叉覆盖数据分类方法研究。采用随机森林算法对交叉覆盖数据的不相关特征属性进行剔除,得到有价值的交叉覆盖数据集合,利用领域粗糙集算法对有价值交叉覆盖数据集合的特征进行提取,以特征集合为依据,采用机器学习算法实现了舰船系统交叉覆盖数据的分类。通过实验得到,提出的舰船系统交叉覆盖数据分类方法的分类精度比传统方法高出30%,迭代次数比传统方法少了9次,说明提出的舰船系统交叉覆盖数据分类方法具备更好的分类性能。     

基于代价函数的红外多目标跟踪方法

针对复杂背景环境下的红外多目标跟踪问题,文章在已获得各多目标初始信息和观测信息的基础上,采用极坐标数据进行数据关联和滤波,提出了一种基于代价函数的红外多目标跟踪算法,通过确定红外多目标跟踪起始和终结以及后续帧处理技术,实现了不超过48批红外多目标的实时跟踪。仿真实验结果表明,该算法在运动的红外多目标检测效果、跟踪稳定性和实时性方面都有良好的性能。     

基于粗糙集和 SVM 理论的柴油机故障分类预测诊断

文中利用粗糙集和 SVM 理论相结合的方法对柴油机故障进行快速准确分类预测诊断。首先对收集的故障特征数据进行预处理,再运用粗糙集理论进行属性约简得到最优决策属性表,然后使用 SVM 理论中的分类预测规则对最优决策属性表进行诊断分类,得出诊断结果。通过实例分析验证了该诊断方法优于单一的粗糙集诊断和 SVM 诊断。     

基于粗糙集理论的系统智能控制方法研究

为了使系统能够正常运行,采用粗糙集理论对其状态进行智能控制.通过分析系统正常运行的历史数据,经过归一化、求上界完成信息系统的初始化后,利用粗糙集理论对其进行属性约简并得出决策规则.把经过初始化的实时数据带入决策规则中来判断系统状态是否存在异常,最终完成对系统的智能控制.     

基于粗糙集方法的炮兵战场目标选择

针对炮兵战场目标选择中信息的不确定性及相关性特点,利用粗糙集理论通过分析目标价值,达到对战场目标进行优选的目的.该方法通过引入信息熵的概念,结合粗糙集理论先对评价指标进行筛选,再计算各指标的重要程度从而确定各指标的权重,进而得出综合评价模型并给出了相应的算法.最后通过实例证明了该方法的实用性.     

基于变精度粗糙集的故障特征选择方法

粗糙集理论是近年来发展起来的一种有效处理不确定、不精确问题的新型数学工具。文章阐述了传统Pawlak粗糙集的核心内容,并介绍了变精度粗糙集的基本概念。从信息论观点出发,提出了基于变精度粗糙集的信息表属性约简方法,并验证了将该方法应用于故障特征选择的可行性。柴油机的实际诊断结果表明,该方法节省了硬件费用,改善了运算效能。     

覆盖层次结构的知识距离刻画方法

为了研究覆盖上的层次结构问题,在覆盖上提出了知识距离的概念,并由覆盖知识距离构建了两种不同的代数格,最终使用由这两种代数格所诱导出的偏序关系来刻画不同覆盖之间的关系.实例分析表明由知识距离格方法来研究覆盖的层次问题是切实可行的.由此可以看出,知识距离为研究覆盖的层次问题提供了一种新的有效方法.     

基于粗糙集知识建模的船舶焊接生产设计方法

知识获取是船舶焊接生产设计智能系统构建中的一个瓶颈问题。本文提出一种基于粗糙集理论的知识建模方法,该方法包括数据采集、顸处理、模型约简、模型推理等四个方面。通过属性约简、值约简和规则约简三个步骤,可从系统运行的经验数据中自动提取出一个精简的知识模型。针对模型推理中存在的规则匹配冲突问题,提出一种基于属性重要性的推理算法。以焊接位置、焊接方法、焊接材料、焊接设备等焊接工艺决策为例,介绍RS建模在船体焊接生产设计中的应用。     

基于粗糙集的装备维修费使用效益评估方法研究

针对大型复杂装备维修费使用效益评估中，评价指标的数量过多过细的特点，引入粗糙集(rough集)理论，该理论能更科学地形成复杂装备的维修费使用效益评估体系，为装备维修费使用的进一步优化提供依据。     

基于粗糙集理论的舰船电子设备状态预测方法研究

针对舰船电子设备使用环境复杂的特点,采用粗糙集理论对其状态进行预测。通过分析设备正常运行的历史数据完成信息系统的初始化,利用粗糙集理论对初始化后的数据进行属性约简并得出决策规则。最后把经过初始化的实时数据带入决策规则中来完成对设备的状态预测。     

基于粗糙集和优化DAG-SVM的船舶主机故障诊断方法

[目的]船舶主机各子系统之间是复杂的非线性关系,对于监测点在短时间内采集的大量数据,传统的故障诊断方法难以高效地完成任务.以船舶主机的燃油系统为研究对象,提出一种基于粗糙集理论和优化有向无环图—支持向量机(DAG-SVM)的故障诊断方法.[方法]首先,将数据挖掘中的粗糙集理论引入传统的支持向量机(SVM)诊断模型,并通...     

基于CoMP的用户分类方法

CoMP被视为下一代宽带移动通信中的关键技术,是近期的研究热点。其中,联合传输（JP）和波束协调（CS/CB）是CoMP中的主要传输模式。文章提出一种CoMP用户的分类方法,通过对用户分类,然后对分类用户进行JP或CS/CB处理。理论分析表明,基于用户分类的多点协同传输方法,可以提升小区边缘用户的性能和小区的平均吞吐量。     

基于集合覆盖模型的装备故障诊断方法研究

随着武器装备的不断发展,其结构与组成越来越复杂,机内测试虽然能给出报警,但大多依靠人工经验判断是否为故障,缺乏故障推理机制,一般不能隔离故障。论文以故障测试相关性矩阵为基础,将故障诊断过程归纳为经典的集合覆盖问题,通过快速求解该数学问题,给出故障诊断结果,单故障和双故障实例证明该方法合理有效。     

基于集群运动控制的无人艇覆盖部署方法

为了实现水面无人艇集群对海面进行有效观测与监视,设计了一种新的部署算法,描述了控制集群运动的虚拟力模型,该模型仅使用邻居信息计算个体所受合力,在目标区域吸引力和水面无人艇之间的作用力下向目标区域行驶。仿真结果表明,水面无人艇集群最终部署位置在保持网络连通的同时,能够实现完全覆盖目标区域和避免无人艇之间的碰撞。该方法可应用于水面无人艇初始随机部署和初始聚集于母船的场景。     

舰船遥感图像的分类方法研究

遥感图像分类一直是舰船应用领域的关键技术,由于遥感图像具有多波段、高维特征等特点,当前遥感图像分类技术面临一定的挑战。为了获得更优的舰船遥感图像分类结果,提出一种多分类器加权组合的舰船遥感图像分类方法。首先分析舰船遥感图像分类研究的历史,找到导致单分类器的舰船遥感图像分类错误率高的原因,然后引入双边滤波算法对原始舰船遥感图像进行去噪,并提取舰船遥感图像分类纹理特征,最后采用多种方法建立舰船遥感图像分类器,并对它们进行加权组合,输出舰船遥感图像的最终归属。仿真测试结果表明,本文方法获得了比单分类器更优的舰船遥感图像分类正确率,舰船遥感图像分类结果更加可靠。     

基于最大覆盖的平流层飞艇配置优化方法研究

配置优化问题是平流层飞艇执行预警监控任务的关键问题,针对地面目标分布随机、多艘飞艇监控能力不等的情况所带来的一系列配置难题,提出了一种基于目标数量最大化覆盖的飞艇配置优化方法,构建了该问题的简易模型,通过设计的优化算法对模型进行求解,得到了多艘飞艇对离散目标点监控的优化配置方案.通过实验验证,该方法提高了多艘飞艇对地观测的有效覆盖率,减少了目标点的重复覆盖,合理布置飞艇资源提高了军事监控能力.     

基于统计方法的亚流域分类研究

对结构复杂的大面积流域进行合理分类可以更好的为地区水土保持、生态环境治理提供数据支持。基于有效流域分类方法研究较少这一现状,以白龙江中上游流域为例,利用Arc GIS自动提取河网及子流域单元划分,通过同一出水口的子流域的合并得出7处亚流域研究区;基于Horton定律计算亚流域区分支比、分形维数;统计水系及地貌形态参数,建立逐步线性回归模型探讨分形维数与各参数间的联系,采用层次聚类分析构建亚流域分类框架体系对亚流域进行分类。得到的结论有:通过逐步线性回归发现分维值主与河网密度和分支呈正相关;运用聚类分层方法将亚流域划分为3种类型;经验证划分出的干流亚流域、强构造亚流域与实际自然地理情况符合。     

舰载干扰机信号分选的分类处理方法

本文提出一种信号处理方法，使雷达干扰机能适应快速反应的新体制雷达信号的需要，为简化分选软件，提高分选速度，采用重频相关函数器对ＡＧＣ视频信号流中的固定／参数重频和抖动重频进行分离处理，并以不同的通道输出，以便ＣＰＵ根据不同通道中的信号选用对不的软件进行针对性处理，从而达到简化分选流程，提高分选速度的目的。在ＡＧＣ视频信号流分离后，为得到各种单一信号源，借用脉宽ＰＷ数码的识别，将分类后的信号流进一步     

K-means与SVM结合的水下目标分类方法

为促进海洋资源开发,提高海洋开发能力,本文对水下目标分类识别方法进行研究。首先,对水下目标分类方法进行概述,介绍较为常用的方法。然后,提出K-means与SVM结合的水下目标分类方法。该方法利用S变换进行图像预处理,提取不同分辨率下的不同特征作为分类的特征向量,通过K-means与SVM结合的分类识别方法进行分类。实验结果表明,该方法具有较高的识别率。