基于模糊测度KNN的多维度数据分类算法

k-近邻(KNN)算法具有直观、无需先验统计知识、无监督学习等优点。多维度数据存在边界模糊性,这导致集合元素隶属关系的不确定,传统KNN算法不能有效地进行分类。本文提出利用模糊测度加强不确定性特征信息的量化,建立基于模糊测度的k近邻分类算法(FM-KNN)。先通过构建证据理论(Dempster-Shafer Theory)模糊测度函数,解决证据理论非单调性等问题;再利用证据模糊测度对多维度属性的不确定信息进行量化计算,通过支持信度确定样本分类规则。通过对比实验表明,在多维度样本数据分类方面FM-KNN算法比其他KNN分类算法有着更好的效果。     

利用声波和地震波识别军事车辆类型

声波和地震波是军事车辆类型识别的重要信息源,针对军事车辆运动时产生的声波和地震波,采用短时傅里叶变换提取其波形数据的频谱特征向量,提出基于能量频谱密度进行二次特征选择,构造声波和地震波频谱特征向量子空间,从而降低了特征向量的维数.应用支持向量机(SVM)和最近邻分类法(KNN)分别对声波和地震波数据来进行军事车辆分类,结果表明:基于能量频谱密度的二次特征选择方法能有效地构造出声波和地震波的特征子空间,由此得到的分类准确率高于传统的特征选择方法.通过比较SVM和KNN的分类结果可以得出SVM的分类效果优于KNN.     

雷达目标自动识别系统的拒识新算法

提出了一种基于代价因子的Fisher判别函数拒识门限确定算法.该算法充分考虑了系统识别和误识的代价因子,引入Fisher判决理论,确定了拒识门限.设计了基于独立分量分析(independent component analy-sis,ICA)的雷达目标特征提取方法,将雷达高分辨距离像(high resolution range profile,HRRP)在"基信号"域中分解,提取相应的基系数组成向量,作为目标特征向量.采用基于欧氏距离度量的K最近邻(K nearest neighbor,KNN)分类器作为识别系统的分类规则,并引入拒识门限设计了一种新的分类器.实验结果表明,基于以上算法的雷达目标识别系统在最小代价前提下具有较高的正确识别概率.     

通信辐射源运动轨迹相似性分析

针对传统运动轨迹相似性分析利用时空信息效率不高问题,结合通信辐射源主体特点,提出基于时空和语义信息的辐射源轨迹相似性分析算法。在该算法中,对相似运动轨迹距离测度进行改进,提出基于马氏距离的轨迹时空相似度算法,将轨迹分割后计算相似度,克服了时间不匹配轨迹和不同采样间隔对轨迹相似性判断的影响;同时,结合基于高效K近邻(K-nearest neighbor, KNN)相似搜索的语义相似数据搜索算法,实现对辐射源相似轨迹的准确判断。该算法能够准确判断相似轨迹,优于现有的相似轨迹判断方法,且适应噪声环境。仿真实验结果验证了该算法的性能。     

基于LSTM模型的恐怖袭击事件发生时间预测

针对部分地区恐怖袭击短期内频发的问题,提出了基于长短时记忆(LSTM)神经网络模型的恐怖袭击事件发生时间预测方法.首先,建立了恐怖袭击事件演化模型,对局部地区存在的恐怖袭击事件短期内数量剧增现象进行了分析.其次,以演化模型为基础从全球恐怖主义数据库(GTD)中提取出17项代表恐怖袭击事件特性的指标,并构建了用于预测的LSTM模型.采用伊拉克2001年9月至2016年底的恐怖袭击事件数据进行实验分析.结果表明,基于LSTM的预测方法能够较准确的预测短期内恐怖袭击事件的发生时间.     

通信辐射源运动轨迹相似性分析

针对传统运动轨迹相似性分析利用时空信息效率不高问题,结合通信辐射源主体特点,提出基于时空和语义信息的辐射源轨迹相似性分析算法。在该算法中,对相似运动轨迹距离测度进行改进,提出基于马氏距离的轨迹时空相似度算法,将轨迹分割后计算相似度,克服了时间不匹配轨迹和不同采样间隔对轨迹相似性判断的影响;同时,结合基于高效K近邻(K-nearest neighbor, KNN)相似搜索的语义相似数据搜索算法,实现对辐射源相似轨迹的准确判断。该算法能够准确判断相似轨迹,优于现有的相似轨迹判断方法,且适应噪声环境。仿真实验结果验证了该算法的性能。     

基于分数阶傅里叶域K谱线算法的LFM干扰抑制

针对线性调频(LFM)信号在分数阶傅里叶域的加窗特性,提出了一种基于分数阶傅里叶域K谱线算法的LFM干扰抑制方法.该算法直接把分数阶傅里叶域干扰所在的K根谱线进行定位和消除,从而避免了对门限值的求取.仿真结果表明该算法具有良好的抗线性调频干扰性能,而且当干扰幅度呈现非平稳变化时其性能优于门限法.     

基于类型2区间模糊K近邻分类器的动态武器目标分配方法研究

动态武器目标分配问题是战场指挥控制决策中的关键问题。由于动态武器目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。     

基于EICS-LBP与统计边缘主色对的场景分类算法

针对场景分类问题,提出一种基于图像局部边缘区域的边缘改进中心对称二值模式(edge improved center symmetric local binary pattern, EICS LBP)与统计边缘主色对特征结合扩展潜在语义分析(probabilistic latent semantic analysis, PLSA)模型的场景分类算法。该方法首先提取图像局部边缘稠密采样区域的EICS LBP与统计边缘主色对特征;然后对两类特征分别聚类形成视觉词汇表,进而用词袋模型描述图像;之后利用扩展PLSA模型对图像词袋模型进行潜在语义挖掘;最后利用K最近领域(K nearest neighbors, KNN)分类器进行场景分类,得到测试图像集的混淆矩阵。多类场景图像的实验表明,该方法不需要对场景内容进行人工标注,具有较高的分类准确率,且对具有边缘轮廓的彩色图像分类精度较高。     

基于分解-聚类-集成学习的汇率预测方法

本文集成了经验模态分解(EEMD)、最小二乘支持向量回归(LSSVR)和K均值聚类方法,提出了一个新的外汇汇率预测方法,称为基于EEMD-LSSVR-K的分解-聚类-集成学习的外汇汇率预测方法.该方法利用聚类策略将分解-集成学习中固定权值集成学习扩展到基于局部数据特征加权的非线性集成加权学习,从而克服了分解-集成方法中集成学习阶段的不足.本文将该方法用于四种主要外汇汇率的预测,实证结果表明:在提前1天、提前3天和提前6天的预测中,本文所提出的EEMD-LSSVR-K方法的水平预测性能和方向预测性能显著地优于基准模型;同时也证实了聚类策略能够有效提高分解-集成模型的预测效果.     

基于HRRP识别信息辅助多目标跟踪的仿真研究

密集多回波环境下对弹道多目标跟踪时,融合目标运动学信息和HRRP分类信息,研究了基于HRRP分类信息辅助跟踪的最近邻算法CATNN;由于受获取实际数据的限制,为检验算法,结合目标的仿真数据,提出了多目标跟踪和识别动态交互的仿真方法;在建立的场景中与常规的JPDA、NN跟踪算法进行比较,结果表明CATNN克服了轨迹合并和误跟的现象,具有较高的多目标跟踪性能,且产生的仿真数据满足了CATNN算法验证的需求.     

一种改进型神经网络算法NN-LMBP

提出最近邻Levenberg—Marquardt误差反向传播神经网络算法。针对BP神经网络收敛速度慢的不足，利用Levenberg—Marquardt优化算法进行改进。同时为了提高神经网络的泛化能力，进一步基于最近邻算法对样本进行修剪。试验表明，与一般神经网络算法相比，NN-LMBP在改善神经网络泛化能力的基础上，有效地提高了神经网络收敛的速度。     

Application of Heterogeneous Multiple Feature Data Fusion to Multitarget Association and Tracking

1.INTRODUCTIONConventionalsolutionstotheproblemofmultitargettrackingandassociationaresuchmethodsasNearestNeighbor(NN)algorithm,ProbabilisticDataAssociation(PDAandJPDA)andMultipleHypothesisTracking(MHT).Mucheffortisdevotedtothesemethodsandlargenumberofopellingreferencesareavailable.Thesemethodshaveonethingincommon,theyextracttheinformatiollfortargetassociati()llfi.olnspacestateobservationdataofthetargetthatisobtainedbyasensor.Infact,asellsorcallgaillof,servationdatanotmerelythespac…     

基于跨媒体分析的突发事件检测及趋势研判研究

突发事件的发生对社会经济产生重要影响,如何实时检测突发事件并对事件发展进行追踪,为应急处置和应急管理争取有效处理时间并提供决策支持具有重要研究意义.本文提出了一个基于跨媒体分析的突发事件检测模型,并对检测到的突发事件进行趋势分析和追踪.该方法通过对跨媒体文本进行深入分析,利用文本挖掘得到突发事件特征,并利用数据挖掘方法进行建模,有效提取突发事件;进一步地,利用事件分析和预测方法,对事件的进一步发展进行追踪,预测突发事件的未来走势.实证结果表明,本文提出的模型具有较好的检测精度,是突发事件检测与分析的新方法,具有较好的应用价值.     

基于HMM的融合多模态的事件检测

事件检测是视频语义分析中的一大难题。在视频中有多种语义丰富的模态信息,融合多模态信息可以帮助准确的检索出所需的事件。提出了一种基于HMM有效融合多模态对象的足球视频语义分析方法。首先从视频中抽取音频流,然后基于CHMM将音频分类。接着根据时间对应关系将音频对象与视频流融合,然后在相应的视频流镜头中基于DHMM融合多种模态对象实现精彩事件如射门、犯规及一般事件的检测,对射门事件进一步结合比分字幕的出现检测进球事件。另外,对DHMM模型的结构、参数初始值尤其是参数约束条件进行了详细地描述。实验证实提出的算法具有较好的效率。     

CBR技术在枪械方案设计专家系统中的应用

介绍了基于实例推理的基本原理、系统特点和运行机制,并将基于实例的推理技术引入到枪械方案设计中,建立了枪械方案设计专家系统的模型。研究了枪械设计实例的表达、索引、调整、修改和推理机制,建立了XML的实例表达形式,以及权值邻近法和归纳推理法相结合的索引机制,并用设计实例对系统进行了验证。     

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换 (Fourier-Mellin transform, FMT)、Kanade-Lucas-Tomasi (KLT) 特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。     

多变量时间序列相空间重构的优化

基于单变量时间序列相空间重构中嵌入维数的计算常采用虚假邻点算法,但推广到多变量情形时存在多种不足,提出了一种多变量时间序列相空间重构时嵌入维数的一种改进算法。改进算法在避免使用虚假邻点算法中的判别距离和算法收敛阈值的同时,也解决了已有多变量重构算法中全局和局部较优相空间维数搜索范围的选取问题。耦合R ossler系统产生多变量时间序列的仿真计算验证了该算法的有效性。经与单变量时间序列对比试验分析,表明采用新算法重构的相空间具有较强的预测能力,由此计算得到的非线性不变量具有较高的计算精度。