基于贝叶斯数据融合的多尺度目标识别

针对红外电厂目标识别问题，提出了基于贝叶斯数据融合的多尺度目标识别方法．该方法研究了前视成像末制导过程中图像目标尺度变化引起的视点角度和特征尺度变化规律，建立了分层次的时空特征模型，根据显著性选取目标特征，采用贝叶斯网络把不同尺度下的显著性特征进行融合，得到正确的识别结果．实验表明，该方法能将多尺度目标的不精确、不完整的特征进行融合处理，从而完成了目标的可靠识别．     

基于贝叶斯网络的一种常规雷达目标识别方法

现役的常规雷达一般不具备径向上和横向上的高分辨率,雷达所揭示的目标信息非常有限。贝叶斯网络基本原理基于概率论的统计知识,作为一种分类器,它使错误的分类概率最小。文中将它引入雷达目标识别,将这些有限的信息利用起来实现对雷达目标的粗分类,取得了不错的效果。     

基于动态贝叶斯网络的目标毁伤等级评估

提出了基于动态贝叶斯网络的目标毁伤等级评估方法,建立了毁伤等级评估的动态贝叶斯网络模型,并通过具体的仿真实例验证了该方法的有效性。     

动态贝叶斯网络在战争身份识别中的应用

在战争身份识别中运用贝叶斯网络时,系统参数不能做到及时调整,动态贝叶斯网络可以解决这一问题,通过建立网络模型,引入时间因素,对系统参数进行分析与后验概率推理,利用隐马尔科夫模型对推理进行仿真实验.通过动态贝叶斯网络在战争身份识别中的使用为指挥员在有限的时间内作出有效的评估识别提供了依据,具有重要的实战意义.     

基于时效性分析的动态贝叶斯网络故障诊断方法

针对柴油机多源信息故障诊断中,由传感器采集的不确定性信息造成的融合误差问题,从多源传感器信息时效性角度,提出一种基于信息时效性机会窗口的动态贝叶斯网络故障诊断方法.首先,根据多源传感器不确定性信息的变化规律建立信息时效性机会窗口,计算得到目标状态偏离信息;其次,利用目标状态偏离信息动态调节贝叶斯网络观测节点信息效用,降低不确定性信息对融合误差的影响.R6105AZLD柴油机台架试验表明,引入该方法后故障诊断灵敏度增强,故障后验概率的对比差距提高到35%.     

一种基于周期的动态贝叶斯网络预测模型

本文提出一种基于周期性数据的动态贝叶斯网络预测模型.由于充分考虑到原问题的周期特性,因此有效的提高了预测的精确度.特别的,应用于我国电力增长率问题,该模型取得较好的效果.     

基于动态贝叶斯网络的网络舆情预警模型

近年来多发的网络舆情事件频繁考验着政府的导控能力,利用动态贝叶斯网络对网络舆情进行预警具有重大的现实意义.在参考现有模型的基础上,细化指标体系,增加维度,结合专家意见和实际情况,构建网络舆情预警模型,并对典型网络舆情事件进行展开分析和原因诊断.将40个网络舆情案例作为训练集导入模型,对模型进行有效性验证,得到的结果 与...     

基于贝叶斯分类器的实时图像目标识别实验研究

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法。实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行。实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性。     

基于模糊动态贝叶斯网空战敌方作战企图识别

文章对空战中敌方目标作战企图的各个因素进行了分析,建立了敌方目标作战企图识别的动态贝叶斯网模型,根据连续变量的不同特点,通过构造和设置不同的隶属函数和参数,对连续变量的观测值进行模糊分类,通过引入可能性概率转换理论转换为贝叶斯网能够利用的证据信息用于推理,使对敌方目标作战企图的推理过程具有前后连续性,更加符合客观实际,有效地减少了主观判断带来的误差。仿真实验表明,该方法的推理结果与理论分析一致,为识别敌方目标作战企图提供了一种可行且有效的方法。     

基于贝叶斯网络的车辆并线意图识别

为了在多车道行驶场景中准确判断出旁车并线意图,提出了一种基于贝叶斯网络的旁车并线意图识别模型.首先,从运动轨迹数据集中筛选样本构建训练集和测试集,选取特征参数,并利用卡方分裂算法对其进行离散化预处理.其次,在评分搜索的网络结构学习基础上,加入随机抽样来避免局部最优,通过构造接近目标平稳分布的马尔可夫链,多次迭代直到收敛...     

基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别．对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来,根据所定义的一种距离,运用动态规划的方法找出目标,并得出目标的运动轨迹;给出整套处理方法的实验结果和分析．     

基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.     

基于人工智能的复杂背景中目标识别方法研究

提出了一种基于人工智能的复杂背景中目标识别新方法，并据此建立了一个将自下而上与自上而下控制策略有机结合的自动目标识别系统．该系统由景像分析器和目标识别器两部分组成．实验结果表明，该方法能有效地利用并组织信息，在复杂背景条件下，无法完整地提取掩没在背景杂波中的目标时，能有效地提取和识别特定目标     

基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

基于动态环境下的说话人识别

为了解决动态环境下的说话人识别的辨认率问题,在识别阶段,把小生境粒子群算法应用于GMM之中。从实验得出,采用基于小生境粒子群的高斯混合模型提高了识别性能。     

一种基于复加权的目标极化识别方法

针对未知和时变的杂波环境,在目标极化状态已知的情况下,探讨了极化域目标识别的问题.在全极化雷达的极化正交的双通道接收系统中,对两路极化正交回波信号进行复加权后与期望信号比较,使其均方误差达到最小,从而抑制了干扰,增强了目标信号.对抑制和增强效果在干扰分别为定极化和变极化的情况进行了仿真,仿真结果表明了该算法的有效性.对此算法中步长因子的取值范围进行了探讨.提取目标极化特征,进行目标识别,并进一步提出识别递推算法.对识别结果进行仿真,仿真结果表明了该方法的有效性.     

基于离散时间贝叶斯网络的动态故障树分析方法

提出了一种基于离散时间贝叶斯网络的动态故障树分析方法．首先给出优先与门、顺序相关门、备件门、功能相关门等动态逻辑门向离散时间贝叶斯网络的转化方法，在得到动态故障树对应的离散时间贝叶斯网络之后，再利用贝叶斯网络推理算法计算、诊断和预计顶事件概率、重要度等常规分析结果．对数字飞控计算机系统进行的分析表明，该方法能够保证较高的求解精度，其相对误差均保持在0．4%以内，而且易于扩展到多态和非确定性逻辑关系的情形．     

基于I860的目标识别系统

建立了一个基于Ｉｎｔｅｌ Ｉ８６０ＲＩＳＣ芯片的自动目标识别ＡＲＴ系统。实现了对监测块状目标和线状目标的智能识别，并在此平台上模拟了多种人工神经网络模型用于对数据信息的处理。介绍了系统硬件的组成结构，工作原理和所能达到的性能指标，并对在此基础上开发的目标识别软件系统作了详细说明，实验结果表明，该系统能对目标进行实时性的智能识别，是一种较先进的图象处理系统，并在实际应用中发挥了重要的作用。