基于BP的地空导弹人-机-环系统作战效能评估

针对现代空袭兵器的特点,建立地空导弹人机环系统的作战效能评估指标体系,并采用BP神经网络方法对其作战效能进行分析评估.该神经网络输入层节点分别对应评估指标体系最底层的指标,隐层节点数在训练过程中可视网络的泛化能力调整,输出节点数则分别对应于效能评估等级.神经元输入与输出之间转移函数选取S型函数.评估步骤包括:训练样本的选取、样本的归一化处理、神经网络的训练、示例分析.     

基于BP的地空导弹人一机一环系统作战效能评估

针对现代空袭兵器的特点，建立地空导弹人机环系统的作战效能评估指标体系，并采用BP神经网络方法对其作战效能进行分析评估。该神经网络输入层节点分别对应评估指标体系最底层的指标，隐层节点数在训练过程中可视网络的泛化能力调整，输出节点数则分别对应于效能评估等级。神经元输入与输出之间转移函数选取S型函数。评估步骤包括：训练样本的选取、样本的归一化处理、神经网络的训练、示例分析。     

应用迭代自组织数据分析技术模糊聚类法划分伪装效能等级

通过分析以往的等级划分的不足，提出以模糊聚类理论为基础的软划分方法，并以光学伪装等级划分为例，运用迭代自组织数据分析技术（ISODATA）模糊聚类原理，建立了光学伪装等级划分模型，成功实现了效能等级的划分，并最终确定了各等级指标量。     

应用迭代自组织数据分析技术模糊聚类法划分伪装交通等级

通过分析以往的等级划分的不足,提出以模糊聚类理论为基础的软划分方法,并以光学伪装等级划分为例,运用迭代自组织数据分析技术(ISODATA)模糊聚类原理,建立了光学伪装等级划分模型,成功实现了效能等级的划分,并最终确定了各等级指标量.     

基于遗传神经网络的军用油库选址优化模型

影响军用油库选址的因素众多且具有不确定性,传统的凭人主观选址和线性规划等方法选址不能充分体现各影响因素的主次成分及相互关系,为了解决该问题,将遗传算法和神经网络相结合,利用德尔斐法建立选址指标体系并进行指标的量化及归一化,将各底层指标的归一化值作为神经网络的输入,将代表选址等级的布尔变量作为神经网络的输出,利用遗传算法来优化神经网络的连接权值和阈值,然后用足够的样本借助 Matlab 工具训练此模型,通过模型的自适应学习,直到得到能正确表示网络内部特征的那组阈值。实际应用表明,所建模型的操作性和实用性强,为军用油库实际选址提供直接的决策依据。     

基于BP神经网络的地空导弹武器系统作战效能评估

地空武器系统拦截巡航导弹的作战效能评估,运用3层BP神经网络进行.先通过层次分析法或专家打分法获得原始训练样本,再对样本进行归一化处理,最后编辑神经网络应用程序.结果表明:在选定指标的基础上,BP神经网络对武器系统作战效能评估是合理的.     

复杂背景条件下目标自适应伪装光学效果评估方法

针对单一背景下的伪装评估方法难以度量自适应伪装目标在多背景中的综合伪装效果,提出一种自适应 伪装目标在多背景下的光学伪装效果评估方法。选取几种典型背景,对每种背景下目标的光学伪装效果进行评估; 依据星载高光谱图像对目标活动区域内的地物进行分类,确定区域中每种典型背景的面积占比;以每种背景所占比 例作为该背景下评估结果在综合评估中的占比,对各典型背景评估结果加权,得到复杂背景下的综合评估结果。实 验结果表明：该方法量化了多背景下的综合伪装效果,其评估结果较传统的评估更客观全面,更符合目标在多背景 中活动的实际情况。     

基于灰色层次分析法-BP神经网络的数据链系统效能评估

为进一步提高效能评估的可信性及智能化水平,提出了一种基于灰色AHP理论的数据链系统BP神经网络效能评估模型.从数据链系统性能结构出发,针对数据链信息优势的特点,建立了数据链系统作战效能评估指标体系.通过专家组依据标准打分的方式,采用AHP确定指标的权重向量,考虑借助灰色理论白化指标,最后与不同灰类分效能值聚合生成综合效能评价值从而建立了效能输出模型.构造三层BP神经网络模型,以专家的知识与经验作为输入,以灰色AHP综合效能评价值作为输出训练网络.最后通过实例验证,由于该模型运用BP神经网络非线性拟合的优势继承并有效聚合了专家的知识与经验,结果与专家评定一致,从而论证了模型的有效性及可靠性,为数据链系统效能评估提供了智能化的算子,在数据链的发展和应用中发挥重要作用.     

防空信息战效能的层次分析

防空信息战作战效能评估,将定性与定量相结合,以效能指标重要度为参考尺度,采用改进层次分析法实现.即将防空信息战效能定为目标层;信息支援、进攻、防御能力作为第一准则层;信息侦获、传输、识别等能力作为第二准则层;各待评价战事作为方案层.其作战效能计算包括统一各指标准则重要性尺度、根据各指标准则重要性等级计算权重,最后进行综合评分.     

舰载武器装备退役模糊聚类分析

舰载武器装备退役的模糊聚类分析涉及装备的作战效能、技术落后程度、年使用维护费、超期服役系数、战略权重值等因素.以若干样本为研究对象,对因素指标进行标准量化.据标准化数据用夹角余弦计算样本间的贴近度.最后根据各样本与基准样本相聚类或分离进行量化分析,顺序判断各类装备的优劣次序.     

基于光学遥感成像模拟软件的伪装效果检测

通过分析以往伪装效果检测方法的不足，提出基于光学遥感成像模拟的伪装效果检测方法。采用ISODATA法对高分辨率卫星图像进行非监督分类，得到土地分类专题图，并在其上部署真目标及伪装目标，通过地物光谱数据库进行反射率转换，从而获得地面反射率图像；利用大气辐射传输软件MODTRAN对其进行大气修正，结合卫星遥感器辐射定标系数及传感器调制传递函数(MTF)，最终得到卫星遥感器输出图像，对仿真过程中的输出图像进行分析，得到各种情巩下的发现概率。通过系统仿真结果表明，基于光学遥感成像仿真的方法可以为伪装效果检测提供一种有效的手段。     

基于分形布朗模型的数码迷彩图案生成方法研究

迷彩伪装是一项重要的伪装技术。数码迷彩是对抗高分辨成像侦察的有效技术手段。如何实现迷彩设计技术的实效化、精确化和智能化始终是研究热点。基于分形布朗运动的分形维估计法提取背景图像的纹理特征、基于金字塔结构逐层模糊C均值聚类算法提取背景图像的主色特征。融合纹理和主色特征,运用改进的钻石-菱形算法生成符合背景特征的数码迷彩图案。仿真实验结果表明：该算法在荒漠型、丛林型、林地型背景的迷彩生成中均能产生较好效果。     

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明：在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。     

数码迷彩立体动态成像算法研究

现有数码迷彩图案的平面性和固定不变性使之难以对抗未来高技术的侦察监测,针对这个问题,提出了一种基于柱透镜光栅的数码迷彩立体动态成像算法。该算法充分考虑人双目立体成像的生理特征和柱透镜光栅分光分像的光学特性,阐述数码迷彩立体动态化的可行性。在此基础上,推导出迷彩立体动态成像的视差设计原理并根据背景深度信息将数码迷彩图像分为多幅迷彩深度序列图。利用梳状函数对迷彩深度序列图进行采样合成,最终生成一幅光栅图像,用来裱贴于光栅板后即可实现立体动态数码迷彩。对该算法有效性进行了仿真实验并加以分析。     

一种改进的Surendra运动目标伪装效果检测方法

现有的伪装检测主要是针对静态目标,并不能客观反映机动装备在作战行动中伪装的有效性。综合运动目标检测技术,结合伪装学原理,以军用卡车模型作为研究对象,基于Surendra背景更新建模算法并结合Lab三通道,提出一种机动装备迷彩伪装效果检测方法。根据所建立的实验系统,计算序列图中军用卡车伪装前后的形状特征参数集合之间的欧氏距离,得到实验序列图像的欧氏距离平均值为189.45,说明实验系统中伪装前后运动目标的形状特征参数之间极不相似,即经过伪装后的目标更具有一定的动态变形伪装特性。借助性能评价模块得出伪装前后目标图像相关系数范围为0.003 5~0.127 5,证明了该检测方法的科学性和可靠性;根据检测运动目标的算法原理,可知伪装后的运动目标图像与其中心背景之间更具有一定的融合性。     

基于高光谱图像探测与感知的伪装效果评估方法

为解决高光谱侦察过程中目标的伪装评估问题,提出一种联合探测与感知的高光谱伪装效果评估方法。利用局部异常检测算子提取每个像元与周围背景的差异性指标,结合空间密度聚类和领域融合算法,分割潜在目标区域;建立反映光谱差异性和整体伪装特征的显著性指标,基于有限时间搜索策略进行高光谱伪装评估,从伪装评估指标和时间-评价分数多重角度得到伪装评估结果。仿真实验表明,该方法克服了传统基于多特征描述的评估方法评价指标单一的问题,能够较为客观和准确地给出评估结论,为目标伪装效果评估提供可靠的参考依据。     

融合技术在迷彩纹理生成中的应用

为解决数码迷彩纹理的生成过程中,背景轮廓与马赛克方块的叠加使纹理特征不能完全匹配的问题,提出一种基于融合技术的数码迷彩纹理生成算法.采用K-means聚类算法和颜色直方图算法,利用融合特性将两者融合并生成数码迷彩纹理,消除数码迷彩纹理中的冗余部分,并对最终生成的数码迷彩进行评价.仿真结果表明:该算法能有效地降低纹理冗余,提高数码迷彩与背景的融合度.