基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

基于掺铕钨酸盐荧光强度比的非接触温度传感

为了突破传统测温技术应用的局限性,利用NaY （WO₄）₂：Eu³⁺玻璃陶瓷（glass ceramics,GC）实现了具有非接触、实时响应、自校准等优势的双模荧光强度比（luminescence intensity ratio,LIR）测温。采用高温熔融淬灭法制备出含NaY （WO₄）₂：Eu³⁺纳米晶的透明GC样品,并进行系列光谱测量和热敏性能分析。结果表明,样品中Eu³⁺的激发态能级⁵D₁和⁵D₀和基态能级⁷F₂和⁷F₀为两对独立的热耦合能级,可分别基于这两对热耦合能级实现性能优异的双模LIR温度传感。该双模LIR测温技术数据可靠、测温范围广、灵敏度高,再结合GC材料优势,是可用于光纤温度传感器的核心技术材料。     

离散时间细胞神经网络中的分岔和混沌

研究了离散时间细胞神经网络（ＤＴＣＮＮ）中的分岔和混沌,ＤＴＣＮＮ中的细胞与连续时间ＣＮＮ中的细胞相似,具有局部耦合,其输出方程是罗切斯蒂方程。分别讨论了２种结构（有边界和无边界）的ＤＴＣＮＮ的混沌特性,ＤＴＣＮＮ的混沌与全局耦合系统一的混沌相似,但由于其局部耦合的结构,其混沌与后者有所不同。提出了有关分岔与混沌的一些有兴趣的理论问题和实际问题．     

采用HK模型的防空反导作战网络建模分析

采用HK网络模型对防空反导作战网络进行建模,对网络度分布、集群系数、平均距离的统计特性进行分析。将网络模型与典型树状结构的防空反导网络和基于BA无标度模型的网络进行比较,表明基于HK模型的防空反导作战网络具有较好的集群系数和无标度特性,同时表明改变TF连接概率进行防空反导网络设计具有更好的灵活性。     

无源传感器引导AESA雷达目标搜索

无源传感器引导有源电扫阵列(AESA)雷达完成目标搜索是机载多传感器协同探测的重要应用形式。综合了引导传感器的测角误差以及目标运动产生的偏差2种因素,建立目标指示成功概率模型。提出了一种满足时效性、指示成功率和误交接概率要求的最优搜索策略。采用分步优化的方法在多种场景下对搜索策略和性能指标进行了计算。仿真结果表明:提出的搜索策略与传统搜索策略相比在满足指示成功率要求的前提下,通过增加较少的搜索波位,较大幅度地降低了误交接概率,保证了引导条件下目标搜索的准确性。     

双点源干扰诱偏被动雷达导引头性能分析

以经典的双点源干扰模型为基础,简要说明了在双点源干扰下导引头的静态跟踪误差。在此基础上,研究了动态下的攻防对抗,建立了数学模型并仿真,得出了攻击误差。仿真分析了双干扰源功率变化时导弹的攻击轨迹和误差,以及功率不相等时干扰源间距和天线波束宽度对诱骗效果的影响。仿真结果表明:只要参数合适,非相干双点源干扰可以很好的诱骗导引头,达到保护目标的目的。     

无线多媒体传感器网络自适应拥塞控制算法

针对无线多媒体传感器网络(WMSN)中多对一通信时产生的网络拥塞问题,提出了一种自适应的WSMN网络拥塞控制算法ACCP。通过结合速率控制和资源调度,并采用分簇的网络结构,根据簇首及簇内的拥塞指标,来分别启动对应的拥塞控制机制:当簇首发生短时间拥塞时,就启动属于资源调度的网络内存储管理机制,来暂时减缓网络内过多数据包;但当簇中的存储节点也无法容纳过量的数据包时,速率控制就启动,让流量减缓下来,并且只调整数据实时性要求较低的数据流的速率,以达到控制流量、减缓甚至消除网络拥塞的目的。仿真结果显示:ACCP在传送速率不同下,可以比InS、HCCP更有效的控制网络拥塞的情况,而在比较缓存容量不同的情况下,虽然ACCP只比HCCP能够稍微改善网络拥塞的情况,但却能够大幅度改善InS的数据包丢失率。     

显微／望远两用镜光学系统设计

设计了一种新型的显微／望远两用镜,讨论了此两用镜的光学系统设计方法案和光学系统设计方案和光学系统各结构参数,对所得的象差曲线结果进行了分析,给了一个此光学系统的结构参数实例和产品外形轮廓。     

一类非线性系统迭代优化神经网络控制器

提出了一类非线性系统迭代优化神经网络控制器的设计方法,该是在正向神经网络辨识模型的基础上,应用迭代学习方法进行控制器设计。为了补偿辨识和迭代学习误差,给出了通过引入了反馈补偿控制器控制精度的方法,仿真结果证明了该方法的有效性。