利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合.在研究了目标特定的极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特性的结论.     

基于演化多目标算法的混合流水作业调度优化

针对供应链网络优化领域中的混合流水作业调度问题提出了一种新的多目标演化优化算法。给出了这类问题的通用优化模型，在此基础上，提出了基于流程的矩阵基因编码方案，动态适应度分配机制，并引入小生境保优策略构造了算法过程，利用收敛进程参数分析了算法的收敛性能。性能分析和算例实验表明算法对于高维多目标优化问题是有效的，且能够以较快的速度收敛。     

机动目标空间合群仿真

为了解决空间合群和战场中的事件检测问题，提出了一种新的机动目标的空间群生成算法．该算法通过一级融合获得的信息来定义特征相似度，即归属相似度、位置相似度和速度相似度，并将这些相似度再次融合以求得合群结果．由于测量空间的不确定性被映射到了模糊相似度空间，因此通过模糊匹配机制可解决测量空间的不确定性问题．仿真结果表明，所提算法能实时完成多个级别的空间合群融合，其计算复杂度也比较低，而且在空间合群的态势评估中获得了比较好的结果．     

机动目标跟踪中的序贯滤波

多个测量站（多雷达或多传感器）工作时，在时间上是不同步的．在融合之前必须将这些观测数据进行同步．在某雷达单独观测时，采用通常的卡尔曼滤波方法；在多雷达重叠观测区，采用序贯滤波方法，不管是哪个传感器观测，按时间顺序，先到的量测点先进行滤波，这样就省去了时间同步这一步处理，又增强了航迹的连续性．计算机仿真证明了该方法的有效性．     

随机资源分配问题建模和随机模拟遗传算法求解

为了最大限度地满足用户对紧缺随机资源的需求,对随机资源分配问题建立了相关机会多目标规划模型和相关机会目标规划模型,通过表示各个(级)目标事件的诱导约束,建立决策向量和机会函数之间的关系,并运用随机模拟遗传算法求解模型。     

基于D-S证据理论的多源遥感图像目标数据联合关联算法

以遥感图像目标识别结果为主,结合卡尔曼滤波器获得的目标运动状态估计结果,提出一种基于D-S证据理论的目标数据联合关联算法.蒙特卡罗模拟实验结果表明,该方法稳定性较强,适合于对海上船舶等遥感图像目标的持续跟踪.     

蜂窝夹芯减振板结构设计的力学参数计算

从力学性能和减振性两方面分析了用瞬间液相扩散复合法得到的蜂窝板的蜂窝结构,确定了面板厚度、芯材厚度、蜂窝格边长、蜂窝格壁厚4个结构参数作为设计变量,以剪切强度、弯曲强度、抗弯刚度、临界屈曲载荷、固有频率、质量6个性能参数为目标函数进行优化,并对优化结果进行了实验研究. 结果表明,优化设计的蜂窝板的力学性能及减振性能优于对比板,实验值与计算值基本相符.     

模糊优选动态规划在二维资源分配中的应用

针对量纲不一既有定量指标又有定性指标的二维资源分配问题,引入了指标的相对优属度矩阵并建立数学模型;提出用拉格朗日乘子法降维,再通过多目标模糊优选动态规划分析法进行求解这一算法;最后给出一个具体应用算例,并取得了满意的结果.     

自适应背景下的运动目标检测

智能视频监视就是实时地观测被监视场景的运动目标,如人或车辆等,并且分析描述其行为.在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能.采用基于自适应背景相减法的运动目标检测,并结合数学形态学的方法来进行特征提取.该方法由于增强了边缘检测技术,所以有效地提高了检测水平.     

增加搜索能力的多目标进化算法

提出了一种增加搜索能力的多目标进化算法.该算法是针对如何收敛到真正的Pareto最优集进行处理的.在自适应变异步长进化策略的基础上,引入变异率的概念,使得该算法在进化前能进行全局搜索,而在进化后期进行局部调节,使得算法能够快速的收敛到真正的Pareto最优集.仿真实验表明该算法的有效性.