改进D—S证据理论在多传感器信息融合中的应用

从D—S证据理论的基本概念和证据的融合推理方法出发．针对D—S证据理论中高度冲突证据的合成问题,引入证据强度的概念,提出一种修正的合成方法,并将其应用于某武器电子电路的故障诊断。通过该实例表明,与D—S、Yager、邓勇等方法相比,提出的改进方法更好地处理高冲突证据,且具有更好的解释性。     

基亏遗传算法的GM（1，1，λ）改进模型

研究表明,灰色GM（1,1）-N测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数入和三点平滑法,提出了基于三点平滑的GM（1,1,λ）改进模型,并利用遗传算法对引入的参数入进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

某旅信息化后勤系统中基于C#的Excel报表生成

介绍了部队信息化建设中旅一级如何利用ASP.NET以Excel文件形式将系统中有用数据快速导出的一种常用方式,着重介绍了数据导出的具体实现步骤,最终实现了数据的快速导出,方便用户查看和保存。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

基于遗传算法的GM(1,1,λ)改进模型

研究表明,灰色GM(1,1)预测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数λ和三点平滑法,提出了基于三点平滑的GM(1,1,λ)改进模型,并利用遗传算法对引入的参数λ进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

基于Web的虚拟仪器技术

通过分析虚拟仪器系统本身的网络功能及相应软件技术支持，说明了把虚拟仪器的前面板移植到Web页面上，使虚拟仪器拓展到分布式网络测试应用环境中去实现的可能性。     

基于神经网络的某仓储库气体质量预测系统

为了提高部队后勤系统中的信息化管理,探讨了旅团一级如何将BP神经网络方法引入到对某物资仓储库的空气质量预测工作中。着重介绍了BP神经网络以及具体实现步骤,并进行了预测数值和仪器实测数据之间的对比实验,从而为仓储库内人员物资安全研究提供了一种行之有效的新方法。     

基于支持向量聚类的多分量线性调频信号检测

为了精确获取多分量线性调频(Linear FM, LFM)信号中分量的数量,该文引入支持向量聚类(Support Vector Clustering, SVC)算法对LFM信号的Radon-时频分析结果进行聚类分析,完成多个分量的检测;并通过减少SVC算法中输入集样本数量和改进聚类标识方法为直接聚类标识法,提高了SVC算法的计算效率。仿真结果表明:在较低信噪比条件下,Radon-时频分析和SVC结合的方法可有效地检测多分量LFM信号中分量数和进行参数估计。     

PEAK分组密码

提出了一个对称分组密码算法——PEA K。其分组长度为128bit,密钥长度为128bit到512bit可变,但要64bit对齐。该算法整体结构为变种的非平衡Feistel网络,具有天然的加解密相似性。同时在设计中采用了宽轨迹策略,确保算法对差分密码分析和线性密码分析的安全性。该文的目的是寻求公众对PEAK分组密码的测试、分析和评估。     

小波神经网络研究

小波神经网络是小波分析和神经网络相结合的产物。小波分析具有良好的时频局部性质,而神经网络具有自学习功能和良好的容错能力,将二者结合具有强大的优势。本文对小波神经网络的基本结构、训练算法、结构设计及其应用进行了详细的分析和论述,最后通过小波神经网络逼近一非线性函数表明了小波神经网络具有收敛速度快、仿真精度高的优点。