基于模糊逻辑的路径选择模型

为有效解决路径选择行为中的不确定性问题,采用模糊逻辑方法建立路径选择模型。用三角模糊数描述路径行驶时间,并建立一定的模糊规则,然后,用近似推理方法两两对比可选路径,在对比矩阵基础上计算各条路径的权重,即路径被选择的概率。最后,对路径选择模型进行算例应用,验证了模型的有效性。     

基于情景反演的船舶追越碰撞风险推理方法

为揭示船舶在追越过程中碰撞危险演化特征,提出一种基于情景反演的碰撞风险推理方法。基于追越事故案例中记录的船舶碰撞过程的动态信息,反演船舶追越过程中碰撞危险信息;引入负指数函数,结合船舶属性,通过最近会遇距离(Distance of Closest Point of Approach,d_CPA)与两船到达最近会遇距离的时间(Time to Closest Point of Approach,t_CPA)无因次化,确立船舶会遇的碰撞危险度(Collision Risk Index,I_CR),运用灰云推理模型,提出时间维度下追越两船的碰撞风险推理(Potential Collision Risk,P_CR);结合多起案例反演数据,得出船舶追越过程中P_CR特征。结果表明：船舶追越依次经过碰撞危险、紧迫局面和紧迫危险等3个阶段,在时间节点上有一定稳定性特征,对应的P_CR均值分别为0.349 1、0.557 5和0.777 1;船舶左舷追越的P_CR值...     

机动目标跟踪典型算法评述

机动目标跟踪算法可以划分为两种：极大似然法和贝叶斯估计法，前者通过对目标量测序列的分析，采用与当前目标运动模式匹配度最高（极大似然性）的模型（包括系统模型和观测模型）对目标状态进行跟踪和估计；后者则首先假定一组模型，再根据量测序列进一步估计出其中每个模型的匹配概率，最后采用贝叶斯公式对全部或部分模型估计进行综合。在此框架下，论文对其中的一些典型算法进行总结和分析。     

基于贝叶斯网络的辐射源威胁等级评估算法

贝叶斯网络是近年来人工智能领域最重要的研究成果之一，在具有不确定性的推理和决策问题中得到了广泛的应用。以贝叶斯网络及其推理机制为基础，主要研究了贝叶斯网络在辐射源威胁等级评估方面的应用。选取了部分影响因素，建立了基于贝叶斯网络的辐射源威胁等级评估模型。最后通过一个计算机仿真实例验证了算法具有连续性和累积性，能够对辐射源威胁等级做出较准确评估。     

基于推理映射的云模型控制器研究

介绍了云模型的基本概念和规则推理,分析了云模型推理映射关系,设计出基于线性映射关系的云模型智能控制器,并与相同推理规则的模糊控制系统进行了对比。仿真结果表明该控制器具有较强的鲁棒性。     

基于贝叶斯网的反潜直升机对潜艇的识别模型

快速准确地对潜艇进行的识别在航空反潜作战中是进行战场态势评估和战场决策的基础。通过搜索潜艇中提取搜索的特征信息,结合贝叶斯网络,使用了“两步”对潜艇目标进行识别,在此基础上进行了实例验证,其结果与事实相一致,显示了该方法的正确性和有效性。     

融合D-S理论的锅炉人因贝叶斯网络安全性定量分析

针对船用锅炉人因安全性分析中存在的知识不确定性,采用D-S证据理论对多专家信息进行融合并建立考虑人因的贝叶斯网络,得到节点条件概率的区间表示形式.经加权平均后代入贝叶斯网络计算,与面向对象贝叶斯网络和FTA等方法的对比显示,该方法能够更加有效地融合不同专家信息,也更为符合工程实际.     

基于L-M、贝叶斯算法研究溶解氧与其影响因素关系

利用BP网络分别结合L-M、贝叶斯算法研究溶解氧与BOD5、PH值、流量、水温关系,表明利用贝叶斯算法优化的网络更适合于预测。     

融合目标战术特征的空中目标类型识别模型

在编队防空环境分析的基础上，根据舰艇编队对空防御的要求对空中目标类型进行了划分，并根据D-S证据推理相关理论，建立了融合目标战术特征和物理特征的目标类型识别模型，该模型可以为编队防空指挥自动化决策研究提供一定的参考。     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力, 提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中, 根据运动目标与道路背景统计特性的差异, 基于贝叶斯概率准则, 提出一个自适应背景更新算法, 检测分离运动车辆目标前景, 采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪, 并对在重庆某交通干道的交通流视频进行检测。试验结果表明: 该方法在常规视频分辨率下能实现实时处理视频, 平均检测准确率为94%, 具有较好的实时性与鲁棒性, 能够实现城市交通环境中各类运动车辆的检测与跟踪。