PFSM在海军航空兵作战仿真中的应用研究

海军航空兵遂行作战任务时,面临空中截击、地面以及海上打击等多种随机的、不可预测的风险,其整个作战过程可以看作一个随机过程,且具有Markov效应。提出了采用随机有限状态机（PFSM）来描述海军航空兵作战过程的方法,并基于此来构建其作战仿真系统框架。通过接口程序获取外部仿真系统的数据,以及将效能评估模型嵌入此仿真框架中,采用Monte Carlo方法,经多次仿真,可以实现航空兵遂行作战任务的风险分析和效能评估。     

基于大脑不同区域的阿尔茨海默症基因表达数据分析

提出了采用Tukey双权函数作为FastICA(Fast Independent Component Analysis)方法的非线性函数,对阿尔茨海默症(Alzheimer’s disease, AD)多个脑区域基因表达数据进行显著基因提取,揭示其基因表达调控关系.针对传统聚类方法基于全局聚类且只能将某个基因聚类到某一类的缺陷,改进的FastICA方法能够对基因表达数据进行快速有效的双向聚类,能够满足同一个基因可能参与不同信号传导通路的生物特性.同时考虑到人脑中海马区、内嗅皮质区、颞中回及视觉皮层区均与学习与记忆功能密切相关,将算法对多个脑区域进行基因表达调控综合分析.结果表明,大量炎症反应是AD致病的重要因素之一.     

对旋转和平移鲁棒的序列图像拼接算法

受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图
像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的
全景图像. 为此,设计了一种序列图像拼接系统. 针对近似仅存在二维平移的待拼接图像,采
取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接. 针对待
拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的
序列图像拼接方案. 实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存
在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在
线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.     

基于模糊最近邻聚类学习算法的海水藻类繁殖状态预测

为了预报海洋赤潮等灾害的发生,需要监测海水中藻类的繁殖状况.通过建立针对海水中叶绿素a浓度状态的预测模型间接预测海水中藻类的繁殖生长状况.运用基于数据的模糊最近邻聚类学习算法对采样数据进行聚类处理,基于最优模糊逻辑系统建立了针对海水叶绿素a浓度状态的预测模型.根据采样数据的特点和降低模型阶次的实际需求,设计了改进的模糊...     

差分-共射负反馈放大电路的理论计算与仿真

构建直接耦合差分-共射电压串联负反馈放大电路,采用多级放大器的分析方法,对其进行理论计算以及仿真分析．在合理的近似处理下,静态工作点的理论计算与EWB软件对各点电位的直流仿真结果基本一致;开环和闭环放大倍数的理论计算与仿真相对误差分别为0．82％和0．28％,验证了负反馈放大电路中的基本关系式Af=A／（1＋AF）．     

装车站运输作业过程的可靠性研究

针对装车站站停时间的分布问题,采用分析方法,对装车站站停时间的分布规律及影响因素进行分析,探讨提高装车站作业过程可靠性的措施.根据装车站大量翔实的数据,在统计站停时间、装车时间、待机时间的分布规律基础上,建立了可靠性模型,进行了可靠性分析计算.研究结果表明,装车站作业过程的可靠性主要受装车作业时间、机务作业时间的影响.     

基于J2EE平台的EAI体系结构的研究

分析和研究了在EAI中使用的三种集成模式界面集成、数据集成和业务功能集成,以及两种集成架构点对点集成和基于中间件的集成.结合实例提出了基于J2EE平台的EAI结构模型.其EAI结构模型对一般企业都有借鉴作用.     

FAQ问答系统句子相似度计算

句子相似度计算是FAQ问答系统的核心问题,提出一种改进的基于多重信息的方法,即结合关键词信息、句子结构信息和语义信息的句子相似度计算方法,并用实例验证了方法的可行性.     

基于主成分分析与模糊BP方法的藻类繁殖状态预测

将主成分分析（PCA）与模糊反向传播（BP）网络建模方法相融合,提出了PCA-模糊BP方法并用于藻类繁殖状态的预测,建立了叶绿素a含量的预测模型.采用PCA对各类采集数据进行预处理,并将PCA所得各理化因子作为模糊BP网络的输入变量,叶绿素a的含量作为模糊BP网络的输出变量,经过学习训练,获得藻类繁殖状态的预测模型.结果表明,PCA-模糊BP方法降低了各类输入样本数据之间的相关性和模型系统的维数,加快了模糊BP网络的收敛速度,其与典型BP神经网络模型相比,具有更快的计算速度和更高的预测精度,能够较好地预测海洋藻类繁殖的生长状况.
     

一种基于属性坐标分析的图像检索偏好学习方法

针对基于内容的检索过程中特征提取完成后,多种不同类型的特征如何整合的问题,提出了一种基于属性论方法的偏好学习方法.这种偏好学习方法旨在成为特征整合的依据,为分类、检索、识别等后续的人工智能操作以支撑.以基于内容的图像检索为例,将图像的颜色、纹理、形状和草图等特征通过心理权重整合后,提出了属性坐标分类法,实现了效果较好的局部偏好检索,并证明了所提出方法的有效性.