基于Elman网络模型的空中目标识别方法

为了准确、迅速识别空中目标类型,建立基于Elman神经网络的空中目标识别模型。该模型降低了以往空中目标识别方法中的人为因素,提高目标识别结果的可信度和快速性。通过实例验证,证明该模型的有效性和正确性。     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

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。     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.     

雷达训练系统目标回波信号模拟方法研究

对光学区扩展目标的散射特性进行分析,建立了基于多散射中心及线性调频体制宽带雷达的目标回波模型,同时给出了雷达回波数据的存储模型及处理方法。在此基础上对扩展目标作径向和非径向匀速直线运动两种情况下的回波信号进行模拟仿真为验证回波模型的正确性,对仿真的回波数据分别进行脉冲压缩和多普勒处理,得出的目标的一维距离像和速度维正确地反映出目标特征,表明模型可行有效,为后续的目标特征提取、目标识别奠定了基础。     

船用固体氧化物燃料电池电堆建模与仿真

由于船用固体氧化物燃料电池复杂的内部环境不利于对其直接建模,针对船舶设备负载变化导致燃料利用率变化,提出利用径向基函数神经网络的"基"函数.结合宽度学习网络结构和恒燃料利用率控制策略,构造了一种识别恒燃料利用率的固体氧化物燃料电池电堆特性的新方法.根据恒燃料利用率控制策略经研究获得电池的输入输出数据组;在输入输出数据组的基础上,利用Lipschitz商准则确定非线性模型的最佳输入变量阶数;利用粒子群优化算法来估算基于径向基函数宽度学习网络参数,包括增强层参数、增强层和输入层到输出层参数.该方法得到的辨识结果精度高且计算量小.试验结果验证了该方法的准确性和有效性.     

基于近似模型的海上发射船船型优化

基于径向基函数神经网络模型,以火箭承受弯矩为单目标优化函数,对双体发射船船型参数进行优化。选定船型方形系数CB和长宽比LA/B为优化变量,利用Lackenby方法,对船型参数化建模;应用最优拉丁超立方方法选取样本点,采用二次插值方法扩充样本点数据,建立双体船运动响应及功率近似模型;利用多岛遗传算法搜索最优船型。结果表明,优化后的船型可使火箭弯矩减小3.86%,从而为双体火箭发射船的设计及相关船型研究提供参考。     

径向基神经网络实现红外目标检测

本文分析了径向基神经网络的优点,并详细地描述和设计了基于径向基神经网络的红外目标检测,在设计神经网络的过程中,阐述了神经网络的隐层、输出层的节点数以及学习速率等,最后将其应用到实际检测中,通过实验结果可以看出,本文所采用的径向基神经网络在红外目标检测方面具有良好的逼近性和收敛性。     

一种基于独立成分分析和径向基神经网络的人脸识别新方法

提出了一种新的基于独立成分分析和径向基神经网络的人脸识别方法。独立成分分析可以从高阶上消除特征数据的相关性,改进了主成分分析方法只能从2阶上消除数据相关性的弱点;最终特征数据的分类由RBF神经网络来实现。在人脸数据库上的实验结果表明该新方法的识别性能较其他方法有了很大提高。     

基于BP网络与D-S证据理论的态势估计问题研究

针对D-S证据理论应用于态势估计过程中,基本概率赋值函数难以确定的问题,提出一种基于神经网络获取基本概率赋值函数再进行证据组合的方法.首先,在传感器探测和0级处理、1级处理的基础上,将各时刻传感器所探测目标的状态、属性、类别、事件等提取出来;然后,经过预处理后利用BP神经网络进行敌目标意图分类识别;最后,将神经网络的输出作为基本概率赋值,采用D-S证据理论来完成决策级融合,实现对海战场的战术态势估计.通过算例仿真,结果表明该方法是一种有效可行的态势估计方法.     

一种基于舰船磁场的神经网络识别模型

为获得更为精确的识别结果,需要对舰船三轴磁场之间的相关性研究并进行融合。本文提出了一种将神经网络数据融合技术应用于舰船目标识别的模型,分析了舰船三个方向磁场的通过特性以及它们之间的相关性,并利用神经网络数据融合技术实现对舰船目标航速、横距和船型的模式识别。经过实测数据验证,该识别模型对舰船目标具有较高的检测概率。     

径向基函数神经网络在集装箱吞吐量预测中的应用

针对一类具有时间序列特性的数据,构造一种基于径向基函数神经网络的预测模型,并将该模型应用于上海港集装箱吴吐量的预测。     

基于互双谱与径向基函数神经网络的舰船目标分类(英文)

提出了声矢量信号互双谱估计算法.利用该算法和其它的二阶、高阶谱估计算法,提取了实测数据的声压和声矢量信号组合特征,并用不同组合特征构造了径向基函数神经网络的输入向量集,对矢量水听器实测的舰船目标进行了分类识别.结果表明,声矢量信号组合特征比声压信号组合特征具有更强的类别可分性,提高了水声目标的识别率.     

基于FRFT和RBF神经网络的升船机配电网单相接地故障研究

单相接地故障在陆地电网中为最常见的故障,若不能及时排查可能发展成相间短路等故障,严重威胁系统的安全性。文章引入馈线终端设备（FTU）对配电网进行监测,提出了一种基于分数阶傅里叶变换（FRFT）和径向基（RBF）神经网络结合的方法,针对单相接地故障进行识别。通过FTU监测配电网的电压数据,选取FRFT提取故障波形的能量率作为特征向量,最终利用训练过的RBF神经网络对故障进行识别定位。仿真试验结果表明：当FTU正常运行或发生信号丢失时,RBF神经网络均能够准确、高效地定位单相接地故障。     

数据融合技术在航海避碰决策支持系统中的应用

在航海避碰决策支持系统中引入数据融合技术,给出了系统的数据融合处理模型,并将数据融合技术与人工智能技术相结合,分别建立了基于ＤＳ证据理论、神经网络技术和模糊理论的目标识别模型、会遇状态估计模型及碰撞威胁估计模型。     

基于近似模型的海上发射船船型优化

基于耐径向基函数神经网络模型(RBF),以火箭承受弯矩为单目标优化函数,对双体发射船船型参数进行优化研究。选定对船型参数CB和L/B作为优化变量,利用Lackenby方法,对船型参数化建模,应用最优拉丁超立方方法(LHD)选取样本点,采用二次插值方法扩充样本点数据,建立双体船运动响应及阻力近似模型,利用多岛遗传算法(MIGA)搜索最优船型。结果表明优化后船型的火箭弯矩减小3.86%,从而为双体火箭发射船的设计及相关船型研究提供参考。     

舰艇对空中来袭目标意图的预判方法

[目的]为使舰艇能在短时间内正确预判空中来袭目标的意图,提出应用异质集成学习器解决该模糊不确定性分类问题。[方法]首先选取极限学习机、决策树、Skohonen神经网络和学习矢量化(LVQ)神经网络4种子学习器,使用集成学习结合策略构建异质集成学习器;然后利用该集成学习器训练测试训练集100次,得到该分类实验平均准确率和计算时间。为提高准确率,进行了集成修剪,剔除"劣质"的LVQ神经网络,重新构建效率更高的异质集成学习器,其实验结果具有极高的精度,但计算耗时长。为此,提出对Skohonen神经网络子分类器做"线下训练、线上调用"的改进。[结果]仿真实验表明,从探测到空中目标到预判出各来袭目标意图总用时为4.972 s,预判精度为99.93%,很好地满足了精度和实时性要求。[结论]该研究为作战决策提供了一种新颖而有效的方法,同时也为小样本分类识别问题提供了一种较好的实现途径。     

高阶神经网络与D—S方法在数据融合中的应用

讨论了数据融合与高阶神经网络的串行结合。根据Dempster-Shafer证据理论的基本原理,利用多传感器多周期测量条件下命题不确定性度量的融合算法公式,进行命题的空间和时间融合,以达到空中目标的敌我识别。将融合后的最终结果输入到高阶BP神经网络中,通过目标向量样本的训练,输出相应的目标类型。仿真结果证明,这种方法是行之有效的。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

基于贝叶斯网络的防空目标攻击意图评估

针对舰艇编队防空中的敌方目标攻击意图评估多属性决策问题,研究了基于贝叶斯网络的敌方目标攻击意图评估方法。论文介绍了贝叶斯网络基础、目标攻击意图多属性因素,建立了敌方目标攻击意图评估贝叶斯网络模型,并给出了条件概率表和推理决策流程。利用贝叶斯网络进行目标攻击意图评估能够很好地结合专家经验知识处理不确定性信息和不完备数据集,并能够比较准确地反映敌方目标攻击意图。仿真试验分析表明了论文方法的有效性,这将为实际海战防空辅助决策提供理论指导。