基于粗糙集理论的人工神经网络故障诊断系统

在故障诊断神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的神经网络分层的简并剔除其中不必要的属性,克服了网络规模过于庞大及分类识别速度慢等缺点,取得了减少分类过程中的模式匹配搜索量的良好效果,并给出基于粗糙集理论的分层发掘神经网络模型结构及算法,结果表明该系统对工程应用具有一定的参考价值。     

数据融合技术在公路隧道火灾探测中的应用

在分析公路隧道火灾特点的基础上,依据数据融合的基本原理,充分利用多个传感器资源,把多个传感器在空间和时间上的冗余或互补信息依据某种准则来进行组合,以获得被测对象的一致性解释或描述。提出了一种基于数据融合技术的隧道火灾探测算法,以感烟、感温和感光传感器的模拟量为输入,利用人工神经网络和模糊逻辑技术对多传感器信号进行融合,设计出一种快速、准确和有效的隧道火灾自动探测融合系统,可缩短报警时间,降低误报警率。克服了火灾探测算法单一使用固定阈值的弊端。     

"已实现"双幂次变差与多幂次变差的有效性分析

近年来,基于金融高频数据的波动率研究成为金融学研究领域的热点,而有效性是衡量波动率估计量优劣的重要标准,本文对波动率估计量的新方法“已实现”双幂次变差和“已实现”多幂次变差的有效性进行了研究,得出“已实现”双幂次变差在一般条件下比“已实现”波动更有效的结论,并且证明了在一定条件下,“已实现”多幂次变差的幂次个数越多,该波动率估计量的有效性越高.这一结论为“已实现”多幂次变差的幂次个数选取提供了原则.     

基于多边约束的数据融合网络定位

无线传感网络定位方法近几年来受到广泛的关注。分布式算法是传感网络定位的一个主要要求,它不仅能减小计算和通信负载,同时对络的非连通性有很好的鲁棒性,对测量噪声克服也有一个很好的实现方案。虽然多种测量技术都能实现位置估计,但都存在某些不足。数据融合是一个很好的解决方案。提出了一个数据融合的结构和模糊优化数据融合算法。对每个节点的TOA和RSS数据进行融合。仿真表明位置估计的精度能够得到显著的改进,同时算法的复杂度也得到了降低。     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。     

一种新的地心地固坐标系传感器配准算法

针对多传感器系统进行数据融合的需要,提出了一种新的地心地固坐标系下传感器的配准算法,充分考虑了地球曲率对配准算法本身的影响,当传感器之间相距很远时仍然适用。新算法将传感器配准问题表述成一个关于传感器测量的最小二乘判决函数,然后首次引入Levenberg-Marquarat算法来对其进行优化。最后通过仿真试验对新算法的性能进行了评估,结果说明新的算法对于不同数目的测量值具有良好的一致性。     

一种基于网格的数据集成服务系统分析

网格技术越来越多的应用于仿真领域中。仿真程序包含很多数据密集型应用,它们需要使用大量分布的数据库资源。如何访问和操作这些异构的数据库资源是应用程序的关键问题。在利用现有的访问网格中异构数据源方法的基础上,提出了基于网格服务的异构数据源集成体系结构,可以在应用过程中动态绑定数据源;同时在选择数据服务的时候采用基于Qos的选择模型,可以有效的避免服务失效的现象。     

基于扩展贝叶斯方法融合的作战效能评估研究

从多个视角采集评估数据源并进行武器装备的作战效能评估，是一种提高评估结果可信度的做法。在武器装备论证阶段，评估数据源主要来自专家经验和仿真结果，但因这两种数据源的差异太大，难以进行直接的评估聚合。为此，提出采用信念图模式统一两者的数据表达，再采用一种扩展的贝叶斯推理算法进行评估融合，最后得到评估装备的综合作战效能。以装甲主战装备改进型的作战效能评估为例进行验证，结果表明该方法符合评估实际，是一种有意义的新方法。     

一种基于卫星照片的大地形仿真方法

提出了一种大地形制作方法,该方法采用多边形网格剖分算法由高程数据生成地形轮廓模型,以卫星照片作为贴图生成地形纹理,采用LOD技术提高地形显示速度。给出了卫星照片获取、卫星照片与地形轮廓匹配、贴图精度控制等关键技术的实现算法。结合某导弹飞行仿真项目,制作了某地区一万平方公里区域的大地形场景,仿真效果良好,验证了制作方法的有效性。     

基于神经网络的遥感影像超高分辨率目标识别

现有遥感图像的许多分类方法大都忽略了混合像元存在的事实,通过理解遥感影像像元点目标的空间分布特性,提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法。在Hopfield神经网络模型下,利用模糊分类技术进行模糊分类,然后用分类结果约束Hopfield神经网络的方法获取超高分辨率的遥感图像,能够提高遥感图像的目标分辨率,使其目标特征信息更清晰。