传感器管理及其在相控阵雷达中的应用

传感器管理是数据融合的一部分。介绍了传感器管理的概念和框架 ,概述了国内外传感器管理算法的研究现状。主要工作是针对相控阵雷达这一传感器 ,通过对其不同工作模式以及不同参数的管理 ,来说明传感器管理的原理。提出了一种新的自适应采样周期算法 ,仿真结果表明该算法的优越性     

机动多目标跟踪并行算法研究

分析了直角坐标系下交互式多模型概率数据关联（ＩＭＭＰＤＡ）算法的并行机理。将实现该算法的任务分配到高速并行仿真计算机上,得到了并行ＩＭＭＰＤＡ算法。研制完成了机动多目标跟踪并行仿真软件包,对并行算法性能进行了测试。仿真结果表明跟踪精度和并行效率良好。     

粗糙集在数据挖掘分类规则中的应用研究

数据集中的冗余性会降低数据挖掘结果的解释能力和精度，介绍了数据集中挖掘分类规则的基本原则，并利用粗糙集理论中核及决策类覆盖的概念，提出了一个在数据集中发现没有冗余属性的最小归纳依赖关系，并简化带有不同相容规则的决策系统的数据挖掘算法，并应用一简单的例子说明如何在数据库中发现分类规则。     

基于支持向量机的多类蛋白质折叠子预测

基于支持向量机，以氨基酸组成成分、氨基酸组成成分与氨基酸残基指数自相关函数组合两种特征提取方法构成的特征向量表示蛋白质序列，对多类蛋白质折叠子问题进行了相关研究。结果表明，由氨基酸组成成分与氨基酸残基指数自相关函数组合构成的特征参数集(其参数集以符号HOPT、PARJ、PONP、WOLS表示)，其预测精度比氨基酸组成成分特征参数集有不同程度的提高。对于独立测试样本集，HOPT、结果较好，采用“唯一的一对多”策略，其总预测精度为41．91％，比氨基酸组成成分提高6．94个百分点，这些结果说明自相关函数含有一定的蛋白质空间折叠信息，支持向量机对于小样本分类预测是一种非常有效的方法。     

多传感器单模型动态系统多尺度分布式融合估计

近几年来,小波理论和信号的多尺度表示方法都得到了迅速发展,并在包括信号处理和图像处理在内的众多领域中得到了成功的应用,而在这些领域中,目前一个较为活跃的分支是基于小波变换的多尺度表示的统计信号处理。运用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,建立起状态基于多源观测信息的多尺度分布式融合估计和单源观测信息的多尺度分布式估计两种新算法,用计算机仿真研究验证了算法效能。     

基于灰度—梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法，在图像处理与识别中广为应用。本文提出了基于灰度-梯度共生矩阵模型和是大熵原理的灰度图像的自动阈值化技术，该方法不仅利用了图像的灰度信息，而且也利用了图像的梯度信息。该方法通过计算基于灰度-梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量。仿真结果显示该算法比一维熵方法效果更佳。     

一种无线传感器网络定位实验系统设计与分析

建立面向无线传感器网络,应用的实验系统,对于WSN算法的研究与应用具有重要的意义.设计并建立一套用于WSN定位算法测试与分析的无线传感器网络定位实验系统,系统由硬件甲台和软件平台组成,硬件平台由Macaz节点、MIB600构成,自主开发的软件平台SNICI对数据进行处理并实时显示整个WSN的运行状态,具有一定的通用性和可扩展性.在实验系统平台上设计并完成了基于接收信号强度(Received Signal Strength Indicator,RSSI)的定位、跟踪的相关实验与研究,并测试和分析了系统性能.实验结果表明了该实验系统的可行性.实验系统的构建有利于对WSN定位算法进行测试、分析以及优化.     

证据推理的进展及存在的问题

综合论述了证据推理的进展和存在的问题,把证据推理与贝叶斯推理、模糊逻辑推理、基于规则的推理、随机集理流体进行了横向比较,讨论了其间的必然的联系和为语气推理的发展的基础,随后总结了证据推理的改进及其在概率范围在模糊集等方面推广的进展,最后提出了证据推理的广泛应用及其研究方向。     

基于静态小波变换的提升框架分解

静态小波变换的最大优点是具有平移不变性。该文基于小波变换的多相表示,利用多采样率滤波器理论中上(下)采样算子与滤波器的等效易位关系,提出了将传统的静态小波变换由懒惰小波变换经过有限步交替的提升和对偶提升结构来实现的方法。由于提升框架容易实现逆变换,故在处理边界中具有更大的灵活性。分析表明,与标准算法相比,通过提升分解,可减少一半计算量。     

基于互信息的直接因果搜索算法

因果关系挖掘是数据挖掘领域一个新的研究方向,具有很大的实用意义,但理论建模的困难阻碍了它的发展。20世纪90年代,在因果建模研究成果的基础上,国外开始针对此方向进行研究,目前已得到了一些理论算法。该文针对已有算法鲁棒性、实用性差,不适合大规模数据挖掘应用的缺点,提出了一种基于互信息的因果数据挖掘算法———直接因果搜索算法;仿真试验表明,该算法能很好地搜索出目标变量的直接因果,与其他算法相比,对于数据、门限的变化更具鲁棒性。