基于自组织特征映射的隶属函数生成法

基于神经域中的特征自组织映射机理，本文提出了一种采用Ｋｏｈｏｎｅｎ自组织特征映射网络、概率分布核估计和概率可能性一致性变换的隶属函数生成新方法。从而克服了常规隶属函数生成方法在选择论域大小及表达隶属度分布等方面的一些不合理性。这一新方法已成功地应用于雷达目标自动分类。     

态势估计中一种模糊时间推理方法

时间推理是态势估计的一个重要组成部分,本文研究了当两个模糊时间点之间的时间间隔已知时,综合来自不同推理路径的推理结果方法,并建立了检验时间数据与专家知识模型符合程度的方法及时间网络的一致性检验方法。     

基于集群的并行分布式聚类及其应用

海量和高维大数据集的聚类对计算机性能提出了很高的要求.基于具有层次聚类特性的RSOM树方法提供了一种有效的手段以实现对高维大数据集的聚类索引,这种RSOM树可支持最近邻搜索且不需要对数据进行线性搜索.注意到RSOM模型具有内在的层次化、分布式结构特点,并可进行增量的训练,研究了基于高效并行集群的增量、分布式RSOM并行算法,并通过视频图像特征集实例证实了算法的可行性.     

基于条件事件代数系统的条件证据组合与条件信任组合

讨论基于条件事件代数系统上的条件证据与条件信任问题,给出了条件证据的组合方法,由此可作出在条件下对目标支持的判断,我们还给出了综合各条件证据的无条件目标语据组合,它可看作是从全局角度对目标支持的判断,最后我们给出了基于多值映射的条件信任的组合。     

基于模糊属性刻画的T相似性关系的构造

模糊关系是模糊粗糙分析的基础。从属性数据生成模糊关系是模糊粗糙集实际应用中的重要问题。针对模糊属性刻画,给出了生成几种T相似性关系的方法。首先,对于每一个属性,分别生成一个T相似性关系。而后,通过聚合算子来合成这些T相似性关系,以得到一个综合的T相似性关系。     

Sentinel-1双极化数据舰船目标几何特性提取

 舰船目标几何特性提取是合成孔径雷达（SAR）图像海上目标检测识别的重要基础。在具有几何真值样本的基础上,通过参数寻优和拟合回归,能够提高几何特性提取的精度,这在TerraSAR-X数据上已有研究。本文考虑Sentinel-1大部分情况下均能提供双极化数据这一特点,探索双极化信息能否进一步提升几何特性提取的精度。基于OpenSARShip测试库,首先使用二维度滤波进行图像处理,该图像处理过程中的关键参数使用交叉熵方法进行寻优,在大样本基础上,得到最优参数;之后,在目标几何特性的图像处理提取结果上,综合传感器、环境、目标3方面信息,特别是融合双极化信息,使用多元线性回归模型进行拟合,得到比仅用单极化信息更高的几何特性提取精度,证实了双极化信息的可用性。     

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

C3I系统知识库的类特征模式

在Ｃ３Ｉ系统知识库中引入了条件事件推理规则以及类与特征的概念，并给出了进行动态管理知识库的有效方法。