一种多尺度目标的序贯识别新方法

提出了一种基于分级特征模型的多尺度目标序贯识别新方法，研究了不变矩特征的尺度变化规律；建立了多尺度目标不变矩的分级特征模型，进而完成多尺度目标的序贯识别，多尺度舰船目标的模拟实验表明，这种基于不变矩分级特征模型的序贯识别算法，能有效地完成多尺度目标的识别，从而证实了分级特征模型符合多尺度目标特征的变化规律，有利于表达多尺度目标的特征，提高目标的检测，识别概率，减少计算复杂性。     

国外流域水资源配置模型研究进展

对国外水资源配置模型研究进行了综述，总结了水资源配置模型研究发展的趋势，即单目标模型向多目标模型发展，模拟与优化模型相结合，以及不确定性和模糊优化模型的建立．建议开发多目标、多层次、多用户、群决策的流域水资源优化配置模型系统，为流域水资源合理配置与科学管理实践提供科学的决策依据。     

一种多尺度目标的序贯识别新方法

提出了一种基于分级特征模型的多尺度目标序贯识别新方法；研究了不变矩特征的尺度变化规律；建立了多尺度目标不变矩的分级特征模型，进而完成多尺度目标的序贯识别．多尺度舰船目标的模拟实验表明，这种基于不变矩分级特征模型的序贯识别算法，能有效地完成多尺度目标的识别，从而证实了分级特征模型符合多尺度目标特征的变化规律，有利于表达多尺度目标的特征，提高目标的检测、识别概率，减少计算复杂性．     

利用对话模型引导的对话生成推荐

对话推荐技术旨在通过与用户的对话交互完成高质量的信息推荐.针对已有研究存在的对话目标预测准确性不高的问题，提出一种利用对话模型引导的对话生成推荐(dialogue guided recommendation of dialogue generation， DGRDG)模型.首先，利用对话模型生成对话目标，通过经典的Seq2Seq模型融合输入的对话历史、用户画像以及知识信息来生成对话目标；其次，提出目标重规划策略(goal replan policy， GRP)来修正生成的对话目标，以提高对话目标预测的准确率.在DuRecDial数据集上进行实验的结果表明，对话目标生成模块在引入目标重规划策略后，对话目标预测的准确率提高了3.93%；总体模型在BLEU，DISTINCT，F1以及人工评价指标上具有较好的效果.     

两目标双边谈判的动态模型

在Ｂａｌａｋｒｉｓｈｎａｎ和Ｅｌｉａｓｈｂｅｒｇ基于社会心理学和行为科学所提出的单目标双边谈判的动态模型基础上，考虑到多目标谈判的特征，建立了两目标双边谈判的动态模型，并分析了它的性质，这种模型很容易扩展到多目标双边谈判问题     

非线性目标特性研究

对非线性目标特性进行了定量分析研究，建立了非线性目标散射过程模型，推导了目标输出电压和功率与非线性目标模型参数的关系，得到了一些有益的结论。     

两目标双边谈判的动态模型

在Ｂａｌａｋｒｉｓｈｎａｎ和Ｅｌｉａｓｈｂｅｒｇ基于社会心理学和行为科学所提出的单目标双边谈判的动态模型基础上，考虑到多目标谈判的特征，建立了两目标双边谈判的动态模型，并分析了它的性质，这种模型很容易扩展到多目标双边谈判问题。     

利用模型管理框架求解多目标优化问题

为了提高演化算法的效率，减少优化时间，提出一种多目标模型管理框架。利用该模型管理框架可以在整个寻优区域内建立比较精确的目标及约束的近似模型，从而避免了大量耗时的高精度分析计算。将该多目标模型管理框架与单纯形-多目标粒子群算法（SM-MOPSO）相结合，对某轻型飞机齿轮箱减速器进行多目标优化设计，使高精确分析计算的次数减少88％。该多目标模型管理框架及SM-MOPSO算法可用于求解大型、复杂的工程优化问题。     

基于匹配追踪理论的超宽带雷达目标散射特性分析及目标识别技术

为了改善基于超宽带雷达的目标识别性能，首先结合匹配追踪算法，提出了一种GTD模型参数提取新方法，并利用该思想对Altes模型参数提取的最小二乘拟合方法进行了相应的改进.然后，利用提出的算法，通过与Altes和扩展Altes模型的对比，分析了GTD模型在超宽带目标全响应散射机理建模中的可行性，并通过实验揭示了目标散射中心超宽带响应存在主散射机理这一物理现象.在此基础上，根据分析的结果，提出了一种基于GTD模型的频域匹配追踪目标识别新方法（简称MPLRT-GTD），并利用超宽带暗室实测目标模型的散射场数据对提出的目标识别新方法、Li的E脉冲法和最优似然比测试目标识别方法的性能进行了仿真.     

毁伤目标所需时间与射击时间间隔和所需命中弹数的关系

在许多射击模型中，常要专门考虑毁伤目标所需时间，或者务目标所需要的命中弹数等。但是，若能找出它们之间的关系，并且由其中的一个相应地计算出另一个，这显著很有意义，该文探讨了两类射吉模型（单发射击模型和行点射射击模型）中，毁伤目标所需时间与射击间隔和毁伤目标所需命中弹数的数字特征之间的关系，导出了武器对目标射击时，计算毁伤目标怕需的平均时间及方差的实用公式。     

基于深度学习SSD模型的人数统计技术

基于深度学习SSD模型，将检测目标的类别由20类修改为只检测人的单类，并对比了同一检测任务下2个模型的检测效果.实验结果表明，在对人的检测任务中，单类目标的SSD模型的检测效果优于20类目标的SSD模型.     

基于深度学习SSD模型的人数统计技术

基于深度学习SSD模型，将检测目标的类别由20类修改为只检测人的单类，并对比了同一检测任务下2个模型的检测效果.实验结果表明，在对人的检测任务中，单类目标的SSD模型的检测效果优于20类目标的SSD模型.     

基于改进YOLOv5算法的复杂场景交通目标检测

实时的交通场景目标检测是实现电子监控、自动驾驶等功能的先决条件.针对现有的目标检测算法检测效率不高，以及大多数轻量化目标检测算法模型精度较低，容易误检、漏检目标的问题，本文通过改进YOLOv5目标检测算法来进行模型训练，再使用伪标签策略对训练过程进行优化，然后在KITTI交通目标数据集上将标签合并为3类，对训练出的模型进行测试.实验结果表明，改进的YOLOv5最终模型在该所有类别上的mAP达到了92.5％，对比原YOLOv5训练的模型提高了3％.最后将训练的模型部署到Jetson Nano嵌入式平台上进行推理测试，并通过TensorRT加速推理，测得平均每帧图像的推理时间为77ms，可以实现实时检测的目标.     

分布式降雨径流模型率定的多目标分析方法

利用多目标方法，对自主研制的具有物理基础的分布式降雨径流模型进行了参数的多目标分析和模型有效性探讨．通过对参数的敏感性分析，确定糙率系数和土壤饱和水力传导率为率定的主要参数，选择效率系数、模拟洪峰的相对误差和洪峰达到时间的绝对误差为目标函数．在模型率定过程中，首先利用多目标最优化方法获得模型参数的非劣解集，然后又利用离散型协调规划从非劣解集中选出满意的模型参数，最后通过对非劣解集模拟的过程线的范围及形状的分析，对模型的有效性进行了评价．研究结果表明，多目标模型率定方法综合考虑了水文过程的各种要素，获得的满意解优于传统的单目标优选结果，非劣解集的聚合程度及模拟的过程线的范围能够反映模型的有效件．     

基于改进YOLOv5的农业害虫检测

设计了一种改进的YOLOv5模型实现对小目标害虫识别定位并将其应用于农业虫情分析。首先对数据集中的图片进行数据增强操作，结合目标背景分析，对一半数据进行降低亮度处理以增大训练难度。为了解决目标检测模型中小目标容易随着卷积神经网络的加深而导致目标信息丢失的问题，提出在模型中额外增加特征提取层，以达到丰富小目标的特征信息和位置信息的目的。该模型采用一种切割图像再检测的方法，在降低模型计算量的同时提高了检测精度。最后设计了多组实验并进行对比，验证了模型的有效性，平均检测精度达92%。     

基于DIS协议的地面警戒雷达仿真

研究C^3I系统仿真中警戒雷达仿真问题．运用雷达量测原理和机动目标跟踪理论，建立地面警戒雷达的功能模型．提出用集合等价划分方法对空中运动目标分批、合批处理的仿真模型．在该模型中，用以目标RCS(radar cross-section)作为权值的加权几何平均法计算合批目标的位置，用各分目标的RCS之和作为合批目标RCS．给出模型在基于DIS(distributed interactive simulation)协议的分布式作战仿真系统中的实现方法．仿真结果表明，模型合理，满足C^3I系统测试要求．     

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中，并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化，用逻辑隶属函数作为新的目标函数．针对该模糊多目标投资组合模型，提出了一个动态遗传算法，算例给出了该模型的一个实例的最优解，并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律．     

基于数据仓库技术的目标威胁估计模型

介绍了数据仓库的定义、特征以及相关的关键技术，并结合战场威胁估计的实时性、重要性，定义了模型的数据仓库。在此基础上，构造了基于数据仓库的目标威胁估计模型，并进一步建立了目标威胁估计的星型数据组织模型。运用数据仓库技术进行目标威胁估计，能够提高对空中目标的威胁估计快速生、精确性和预测能力。     

露天矿生产车辆调度的最优化模型

用运筹学中目标规划的最优方法，针对露天矿生产的实际要求，分别建立了多目标的车辆安排最优化模型和多层次的目标规划模型。根据调整优化算法和多层次目标规划算法，利用数学软件Matlab和LinGo软件进行计算，得出最优调度方案。     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．