电视制导导弹武器系统通信区域仿真研究

通信区域是电视制导导弹武器系统的重要战术参数之一。它由图像和指令的正常通信范围的交集组成,受导弹武器系统和多种外界因素的影响。根据导弹、飞机的空间位置关系,以及图像/指令传输系统的无线数字通信链路公式,建立了导弹武器系统的通信区域模型。通过仿真计算,可以得出飞机与导弹武器系统的最大、最小通信距离,以及飞机偏离弹载天线的角度范围。实践证明,利用该仿真模型得到的通信区域满足战术技术指标要求,具有良好的应用价值。     

作战仿真实体可视化数据模型研究

根据作战仿真系统的可视化需求,提出了作战仿真实体可视化数据模型的分类方法和层次体系结构,建立了可视化数据模型多分辨率规则。分析了可视化数据模型的建模过程和建模方法,确定了基于空间数据库和关系数据库相结合的可视化数据模型数据库存储管理机制。实现了模型的数据获取、建模、处理及应用全过程的可视化,为构建具有高逼真度的作战仿真系统提供了可视化数据模型支持。     

极化SAR图像相干斑滤波性能评估

针对相干斑抑制能力强弱,对极化白化滤波(PWF)和功率图(Span)两种极化合成孔径雷达(SAR)图像相干斑滤波器进行了性能评估,应用等效视数指标,提出分别在高、中、低灰度均匀区域进行测试的方法,并在ESAR与PiSAR图像上进行了检验。结果表明,在占图像比例较大的中等灰度区域内,使用全局参数时,PWF滤波输出的结果优于Span图像的输出结果,但在占图像比例较小的低灰度区域,由于参数估计不够准确,PWF的滤波结果并不优于Span图像。     

高空无人机光电侦察装置光机技术研究

提出了光电侦察装置精度分析理论,建立了系统地面目标定位精度模型,对光电侦察装置光机系统进行了详细精度分析,利用有限元和CODEV等软件深入分析和研究了机载环境对系统地面目标定位精度的影响,解决了光机系统精度分析的关键技术,为高精度光机系统设计提供了依据.     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.     

基于ARMA（1,1）需求的多级供应链牛鞭效应仿真

在市场需求信息为ARMA(1,1)平稳可逆时间序列模型的前提下,首次建立了多级供应链各级成员以均方误差优化预测技术预测市场需求,以订货点法来确定订货量时多级供应链牛鞭效应理论及仿真模型,并利用仿真模型对多级供应链的整体牛鞭效应及其影响因素进行了详细的分析,研究表明供应链牛鞭效应和相关系数ρ与滑动平均系数θ之间的相互关系有关.     

PDE-Based Medial Axis Extraction and Shape Manipulation of Arbitrary Meshes

Shape skeletonization （i.e., medial axis extraction） is powerful in many visual computing applications, such as pattern recognition, object segmentation, registration, and animation. In this paper, the authors expand the use of diffusion equations combined with distance field information to approximate medial axes of arbitrary 3D differential properties. It offers an alternative solids represented by polygonal meshes based on their but natural way for medial axis extraction for commonly used 3D polygonal models. By solving the PDE along time axis, this system can not only quickly extract diffusion-based medial axes of input meshes, but also allow users to visualize the extraction process at each time step. In addition, the proposed model provides users a set of manipulation toolkits to sculpt extracted medial axes, then use diffusion-based techniques to recover corresponding deformed shapes according to the original input datasets. This skeleton-based shape manipulation offers a fast and easy way for animation and deformation of complicated mesh objects.     

改进的支持向量机低分辨雷达目标分类算法

针对雷达目标识别系统中存在库外目标、各特征属性分类性能不一致,低分辨雷达不同类别目标特征值分布区间混叠的问题。文中基于支持向量机分类算法,对目标样本特征值进行置信度分析,获得置信区间,利用代价函数确定拒识门限,对库外目标以及混叠区域目标进行拒识分析;并根据训练样本先验识别率使用注水原理分配特征属性权重;在此基础上利用支持向量机进行目标识别。雷达实测数据实验结果表明,引入置信拒识分析与注水分配加权后,分类器性能得到了有效改善。     

基于标签传播识别网络中的关键节点

基于标签传播动力学提出了一种识别网络关键节点的算法,主要思想是把每个节点接收到不同标签的数量作为判断节点重要性的指标。应用两种不同的传播模型,在不同网络上与其它中心性指标作比较。结果表明:基于标签传播的中心性指标比其它的中心性方法可以更好地识别网络中的关键节点。基于标签传播的中心性指标还具有以下优势:不需要利用网络的结构信息,因此可以推广到大规模网络上;揭示了一种现象——好的接收者往往也是好的传播者。     

Evaluating Efficiency of Decision Making Units with Network Structures

This paper considers the problem of evaluating efficiency of Decision Making Units （DMUs） with network structures of divisions by the Data Envelopment Analysis （DEA） model. All divisions in the network are under a decentralized authority organiza- tion. That is, each division in a decision making unit has its own authority to adjust its input and output. By incorporating the division operations in the DEA model, we discuss the sufficient and necessary conditions for a DMU to be network efficient in series structure and general structure respectively.