伪装涂料偏振性能改进及穆勒矩阵分析

为降低战场目标的发现概率,提高战术装备与重要设施的生存概率,针对当前常用的绿色涂料在偏振性能上与真实植被差别较大的问题,改进浅绿色伪装涂料的偏振性能,通过表面粗糙度改性增强其退偏振能力。应用穆勒矩阵和斯托克斯矢量的对应关系,采用穆勒矩阵测试光学平台,分别得到绿色植物叶片、改性前后浅绿伪装涂料的穆勒矩阵,并对比分析样品的退偏振系数和不同入射斯托克斯矢量下的偏振度。结果表明,该方法可以使浅绿色伪装涂料在632.8μm激光探测条件下的偏振性能与真实树叶更为接近,应用于伪装目标的表面可有效降低激光探测发现概率。     

基于运用条件的高速动车组枕梁的疲劳损伤

为了估算特殊工况下动车组枕梁的损伤,提取了部分典型测点在进出站等特殊工况下通过较小曲线与道岔的应力数据做损伤计算,之后验证了数据的有效性并采用Bootstrap方法对该工况下关键点的寿命区间进行估计.经过对比,得到典型工况对枕梁关键部位损伤的影响程度.     

模糊粗糙神经网络的结构与参数优化

基于模糊粗糙隶属函数,建立了一种五层结构的模糊粗糙神经网络（fuzzy rough neural network, FRNN）,对神经元之间的连接,引入一个开关函数,从而把结构优化和参数学习问题转化为单纯的函数优化问题。提出一种混合智能优化算法（hybrid intelligent optimization algorithm, HIOA）用于FRNN的结构和参数优化,适应度函数同时考虑模型的精确性和网络的节俭性。典型的实验结果表明,FRNN适用非线性系统建模,相对于普通神经网络及其优化方法能获得更高的精度和泛化能力。     

基于置信区间的仿真试验结果决策分析方法

仿真试验结果是衡量仿真置信度的重要依据,也影响着决策者对仿真试验的信任程度。为提供辅助决策支持,提出了基于置信区间的仿真试验结果决策方法,并讨论了统计决策的风险函数。通过对由仿真输出抽样计算得到的评估参数的置信区间与接收区间进行比较,提出了仿真试验结果的模糊一致性分析方法,其结果可作为完善模型及优化参数的参考信息。在水下目标辐射噪声仿真系统中的应用实例表明,方法在利用各阶段仿真输出的反馈信息方面呈现出优势。     

SMFSIA/CAG快速计算二维分形粗糙面的电磁散射特性

应用稀疏矩阵平面迭代/规范网格法(sparse-matrix flat-surface iterative approach and canonical grid method,SMFSIA/CAG)快速计算了二维分形粗糙面的电磁散射特性。在SMFSIA/CAG中,基于迭代法的原理,通过加快迭代收敛速度和加速矩阵向量积两个方面对该算法进行了改进,推导了关于平面展开的高阶泰勒级数展开公式,并对近场相关距离和泰勒级数展开阶数对算法效率的影响进行了分析。SMFSIA/CAG的应用降低了计算量,实现了对二维分形粗糙面电磁散射特性快速、准确地仿真计算。     

基于环境特征的语音识别置信度研究

传统的语音识别置信度方法基于各种静态特征进行分类判决,而忽略了词与周围环境之间的关系所携带的信息。为了进一步提高置信度特征的分类性能,该文提出了上下文环境、动态环境、句全局环境共3类5种环境特征,从空间与时间角度较全面地描述了词与环境之间的关系。实验结果表明:静态特征与环境特征联合分类的性能与只用静态特征相比有不同程度的提高,其中,静态环境与环境特征的二元联合最高有5.02%的相对改进,三元联合最高有6.11%的相对改进,说明环境特征确实是一种有价值的置信度特征,并且这几类环境特征之间存在一定的独立性。     

一适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法,采用基于描述性模型的多类分类器（modified quadratic discriminant function,MQDF）作为Adaboost基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重,实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度,提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR-HCD数据集上进行实验证明,所提改型Adaboost算法提高了识别率的有效性,该算法的相对错误率比现有最优算法分别下降了14.3 %,8.1 %和19.5 %。     

基于贝叶斯支持向量机模型选择算法改进

通过对贝叶斯方法的分析,探讨了SVM的模型选择问题,提出SVM模型的选择可以看作等价于求解概率模型下置信度最大化的观点.首先,通过使用相关后验概率上的数学期望近似计算置信度梯度,然后用拟牛顿法求解置信度最大化问题.在数据集训练过程中引入阶梯度的SMO算法以提高训练效率.实验证明:此算法与网格法和Span估计法相比,改善了SVM的多参数选择问题,提高了执行效率.     

新型管材内壁粗糙系数的试验研究

对用新工艺生产的高密度聚乙烯(HDPE)双重壁管材的重要技术参数内壁粗糙系数进行原型试验和分析,得到内壁粗糙系数在不同流速和雷诺数时的取值范围,并分析适用条件,为工程、设计部门提供了选取技术参数内壁粗糙系数的依据.     

粗糙依赖约简技术在网络课程评价中的研究

介绍了粗糙集的概念和约简的相关定义,提出了基于粗糙依赖的属性约简算法.通过差别矩阵求核,并计算非核属性粗糙依赖值,从而确定相对属性约简.以远程教学网络课程等级评价为例进行算法验证,并通过基于值核的值约简算法提取决策规则,实践证明得到了满意的结果.