一种新的自组织聚类网络及其在数据融合目标分类中的应用

介绍了一种新的自组织聚类人工神经网络(DIGNET)模型和网络的非监督学习算法。针对数据融合和目标识别的特点,提出了基于DIGNET的决策层数据融合目标分类方法。利用仿真数据研究了DIGNET和自组织特征映射网络(SOFM)的聚类性能以及基于DIGNET的决策层数据融合结构,实验结果表明DIGNET较SOFM正确分类率高、抗噪能力好;基于DIGNET的决策层数据融合能够有效地实现融合识别。将该数据融合方法应用于前视红外(FLIR)和可见光摄像机目标跟踪系统,结果表明该方法是可行的。     

模糊对向传播网络数据融合目标识别方法

重点研究了模糊对向传播网络 (FCPN)模型。针对数据融合和目标识别的特点 ,提出了基于模糊对向传播网络的融合目标识别方法和改进的模糊对向传播网络 (MFCPN)融合结构。利用仿真数据对网络的训练算法和融合结构进行了实验研究。结果表明 ,模糊对向传播网络较误差后向传播网络 (BPN)能够有效地实现融合识别 ;改进的模糊对向传播网络融合结构是可行的。同时还对FCPN和MFCPN应用于前视红外 (FLIR)和可见光摄像机目标跟踪系统进行了应用研究。     

两种数据融合方法在一个目标识别问题上的应用

本文将贝叶斯模型和TBM模型这两种数据融合方法分别应用于一个水下目标识别问题，并对应用效果进行了分析比较。     

改进的对向传播网络及其在多传感器目标识别中的应用

针对多传感器数据融合和目标识别的特点,提出了改进的对向传播网络(MCPN),并与Dempster-Shafer(D-S)证据推理相结合,实现了决策层数据融合目标识别.文中利用仿真数据对所提出的网络训练算法和融合结构进行了实验研究.结果表明:改进后的对向传播网络识别性能优于传统的对向传播网络(CPN),融合后的目标识别率较单传感器明显提高.最后,将该方法应用于前视红外(FLIR)和可见光摄像机目标跟踪系统对算法和融合结构进行验证,结果表明文中提出的方法是可行的.     

电视与红外机动目标数据融合的研究

从跟踪性能、计算的复杂性以及应用范围等方面对红外与电视传感器的三种融合模型进行了比较，得出了来自同一平台上的红外与电视传感器的数据，在各传感器没有自己的数字处理机的情况下，点迹融合模型较其余两种模型实用的结论，在点迹融合模型的基础上，用极大似然融合算法对点迹进行融合处理，在理论上证明了该算法用于此种模型能提高目标状态信息的估计精度，降低测量误差。并给出了本算法用于此种模型在计算机上的仿真结果，从实际应用上进一步说明了本算法的有效性。最后利用卡尔曼滤波实现了红外与电视机动目标的跟踪。     

基于数据同化和差分进化算法的图像融合

针对现有融合方法不易根据后续处理目的对融合规则进行自适应调整,不同方法的优点不易综合的问题,提出一个基于数据同化和差分进化算法的图像融合框架.在该框架下,将基于非采样下的Contourlet变换作为模型算子,离散小波变换作为观测算子,可根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重,构造由图像各个属性评价指标的加权和所组成的目标函数,再利用差分进化算法来优化目标函数,从而获取更合适的图像.二组实验从视觉效果和量化指标(标准方差、平均梯度、熵、空间频率及均方根交叉熵)两方面验证了该框架的有效性.     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法,基于单个网络分类的置信度概念,有效地结合多个网络的输出结果作出最终分类判决,应用三个多层前向网络（隐层神经元数,初始权值等取不同值）,设计了基于分类确认度的多网络融合结构,对四类车辆目标进行的识别实验表明,所提出的多网络融合方法明显优于单个网络的识别性能。     

双通道视频信息处理数据融合技术

“飞鱼”类掠海反舰导弹已对水面大型舰艇的生存构成重大威胁，而近程反导舰炮武器系统是反“飞鱼”类掠海反舰导弹的最后防线。因此，实现成功拦截掠海反舰导弹，精确稳定地自动跟踪目标，是近程反导舰炮武器系统的关键技术之一。阐述了适合自动跟踪高速飞行掠海导弹的双通道视频处理器的构成。对工作原理、去噪预处理、图像分割、特征抽取、识别和位置检测等技术作了简要说明，并对核心部分——双通道视频信息的资源利用和数据融合处理作了较详细的论述。双通道并行处理数据融合技术在国内首次应用于××近程反导舰炮武器系统光电跟踪仪中，在海上定型试验中取得了很好的跟踪效果。     

基于最佳线性数据融合的双基地声呐定位优化算法

本文提出了基于最佳线性数据融合的双基地声呐定位优化算法。给出了算法的原理，并通过数值仿真，对不同条件下，双基地系统定位误差的几何分布进行了研究。仿真研究结果表明，采用最佳线性数据融合的双基地声呐定位优化算法，可以更好地利用双基地声呐测量的冗余信息，有效改善双基地声呐中基线区域的定位精度。     

多特征融合的鸟类物种识别方法

针对短时窗平均/长时窗平均算法从次声台站监测数据中提取的信号仍然包含噪声的问题,对支持向量机和人工神经网络的机器学习方法进行了研究。采用小波包分解的方法对信号进行重构,提取出各频带内的重构信号能量特征,对事件信号和噪声进行了识别实验,并分析了提高识别能力的方法,为工程应用提供理论参考。实验结果表明,在训练数据集不大的情况下,通过优化模型结构可以将两种方法的识别能力提高到可以接受的水平。     

基于数据融合的多变量相空间重构方法

针对单变量时间序列和多变量时间序列相空间重构所存在的问题,提出一种新的多变量融合的相空间重构方法. 通过Bayes估计理论,将多变量在同一相空间中进行相点的最优融合,得到了更为理想的融合相空间. 应用所提出的方法对Lorenz系统及耦合Rssler系统进行了多变量融合的相空间重构. 通过多变量重构图与单变量重构图的比较,发现基于数据融合的多变量相空间重构图包含了所有单变量相空间重构图的重要信息,使重构的相空间更加完备,较全面地反映出吸引子的全貌信息. 最后应用该方法对转子油膜涡动故障得到的多变量时间序列 关键词： 多变量时间序列 相空间重构 数据融合 Bayes估计     

Existence problem of optical correlation based pattern recognition

The existence problem of optical correlation based pattern recognition, namely its range of validity and its limitation, is discussed in this paper conjointly with the function approximation theory of neural networks. The conclusion is that only if the sets to be recognized are linearly separable (which is rare) or the subsets, in which a segmental sample of the targets is involved, are linearly separable, can the classical 4f optical correlation system carry out the task of recognition inerrably. The recognition principle of a joint transform correlator is the same as that of a 4f system, and so is its range of validities. Based on the demonstration of the existence problem of optical correlation based pattern recognition an evaluation on some important problems that were studied in this field over the past 40 years is presented explicitly.     

HL-2A tokamak disruption forecasting based on an artificial neural network

Artificial neural networks are trained to forecast the plasma disruption in HL-2A tokamak. Optimized network architecture is obtained. Saliency analysis is made to assess the relative importance of different diagnostic signals as network input. The trained networks can successfully detect the disruptive pulses of HL-2A tokamak. The results obtained show the possibility of developing a neural network predictor that intervenes well in advance for avoiding plasma disruption or mitigating its effects.     

基于AR模型与神经网络的核爆与闪电电磁脉冲信号识别

对平稳随机信号功率谱估计的AR模型,分别利用自相关函数法和Burg算法求该模型系数,作为核爆炸和闪电电磁脉冲信号的特征值;采用BP神经网络作为分类器以及不同的隐含层数和隐含层节点数,对核爆和闪电电磁脉冲实测数据进行识别研究。结果表明：AR参数模型法对两类信号特征值提取是非常有效的,采用Burg算法来求AR模型参数,其特征值提取效果优于自相关函数法。     

基于模糊理论的多传感器数据融合测量

 针对多传感器数据融合过程中,各传感器可靠度估计困难的问题和如何对各传感器测量数据进行融合,提出了一种基于模糊理论的多传感器数据融合方法并研究了它在测量中的应用过程。该方法首先利用容许函数计算各传感器测量数据间的一致性以剔除系统误差数据,然后将测量数据进行模糊化,最后用模糊贴近度获得多传感器测量的数据融合结果。该方法计算简单,客观地反映了各传感器测量数据的一致性和可靠程度。测量应用实例验证了其在工程中的可行性,体现了稳定性和可靠性高的传感器在测量数据融合中的“优越性”,运算过程简洁、快速、有效,便于实时测量操作。     

A network approach based on cliques

The characterization of complex networks is a procedure that is currently found in several research studies. Nevertheless, few studies present a discussion on networks in which the basic element is a clique. In this paper, we propose an approach based on a network of cliques. This approach consists not only of a set of new indices to capture the properties of a network of cliques but also of a method to characterize complex networks of cliques (i.e., some of the parameters are proposed to characterize the small-world phenomenon in networks of cliques). The results obtained are consistent with results from classical methods used to characterize complex networks.