K2算法在贝叶斯网络结构学习中的改进研究

针对K2算法学习贝叶斯网络(BN)结构苛刻的先验节点顺序条件,提出先验信息重构方法来提高算法适用性,让K2算法得到更加精准的网络结构。对于K2算法在较小样本数据中结构精度低的问题,使用模拟退火(SA)算法对其进行优化。利用重构先验信息构建初始网络结构,改进SA算法的邻域求解方法,以求得网络的最优结构。通过学习4个BN结构,将改进的混合算法分别与K2算法和马尔可夫链蒙特卡洛(MCMC)算法进行优劣仿真比较。仿真结果表明:在相同的网络结构和先验条件下,该文改进的混合算法都能更好地识别网络结构,在各网络结构中无论先验经验是否准确,在结构精确度和海明距离方面都具有较强的学习能力。     

缓冲算子及数据融合技术在目标跟踪中的应用

针对复杂环境下的多雷达目标跟踪问题,把灰色系统理论中的缓冲算子引入到多雷达目标跟踪领域,并通过对原始冲击扰动序列的改进来弱化其随机性.同时应用数据融合技术,对缓冲算子作用后的随机振荡序列作进一步改善和提高雷达系统的跟踪精度.仿真结果也表明,该方法是有效、可行的.     

分解协调法在武器目标分配问题中的应用研究

应用大系统理论的分解协调法,可将武器目标分配问题按受保护的资源数K分解为K个独立的子优化问题,通过协调器协调各个子问题的解,以达到武器目标分配问题的全局最优解.仿真结果表明该方法是实时且有效的.     

无源定位与数据融合技术在辐射源目标跟踪中的应用

在多机动辐射源无源定位与跟踪系统中 ,因受低空杂波、电子干扰和雷达自身探测精度等因素影响 ,易使无源定位的数据不精确、不可靠 ,甚至相互矛盾 ,结果造成跟踪系统失效。针对这一情况 ,首先应用测向测时差定位法 ,处理机动辐射源的无源定位问题 ;然后在此基础上 ,应用数据融合技术进一步提高系统的定位与跟踪精度、可靠性和防御作战能力。仿真结果表明 ,该方法是有效、可行的     

基于输入估计的机动目标跟踪方法

机动目标跟踪方法有变维滤波、输入估计和交互式多模等方法。由于输入估计法采用常速模型作为状态方程对目标进行滤波跟踪,避免了模型集设计而成为研究的热点,但传统输入估计方法跟踪机动目标时存在机动检测时延较长和估计精度不高的缺点。针对这些问题,对输入估计算法进行了改进。采用变检测窗长度提高机动检测的响应速度,通过对检测窗内信息序列的修正显著提高了估计精度。仿真结果表明所提出的算法比原有算法的跟踪性能有显著提高,且对加速度随时间变化的机动也有一定的跟踪性能。     

DS18B20在楼宇温度监控系统中的应用

本文以AT89C51单片机为控制核心,利用温度传感器DS18B20测量温度值,实现智能楼宇内环境温度的检测和控制 另外,给出了由AT89C51单片机和DS18B20构成的单总线温度测量系统的硬件电路及软件流程图。系统硬件设计简单,性价比高。     

基于布尔向量运算的Apriori算法

关联规则挖掘是数据挖掘中的一个重要课题,常用的Apriori 算法要多次扫描数据库,会产生大量的候选项集.利用向量的内积运算和逻辑运算提出了一种关联规则挖掘的改进算法.研究表明,该算法运算简单,只需要扫描一次数据库,不需要产生候选项集,且具有处理大型数据库的优点.     

交叉粒群算法在无人机航路规划中的应用

随着现代战场环境的日益复杂和作战范围的不断扩大,给无人机（unmanned aerial vehicle, UAV）执行空中侦察、监视、作战等任务带来了严重挑战。为了提高UAV的作战效率和生存概率,从UAV的威胁空间建模出发,根据战场分布的威胁区域,先利用威胁回避技术快速地给出一条从起始点到目标点的粗选航路;然后在此基础上,应用粒群算法和遗传算法中交叉和变异操作相结合的思想,对粗选规划航路进行全局优化,从而找出一条能确保自身安全并威胁代价最小的最优飞行航路。仿真结果说明,该方法是有效、可行的。     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时 ,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性 .仿真结果表明 ,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法 .     

基于课堂教学质量评估的知识发现研究

针对学校日常教学管理工作中所积累的大量课堂教学质量评估数据，应用数据挖掘技术，从中找出隐藏的、有价值的教学知识，可为学校决策部门制定课堂教学管理、提高教学质量、促进教师教学水平和优化教师队伍建设等方面的决策提供科学的依据和参考。