基于高斯混合模型的无线局域网定位算法

目标定位是无线局域网提供位置服务的基础。该文围绕无线局域网目标定位中的定位精度和实时性2个QoS指标,对基于RSSI的定位技术进行研究,提出一种基于高斯混合模型的无线局域网定位算法。该算法由离线训练和在线定位2个阶段组成,采用GMM对RSSI进行建模,降低了系统定位误差,并减少了定位阶段的运算量,提高了定位的实时性。仿真实验结果表明,该算法具有较好的定位精度和实时性。     

一种基于Agent软总线技术的信息系统集成方法

针对军队信息系统研发问题，为实现对军队内部现存子系统的集成，该文提出了C/S与B/S两种模式并存的、基于agent软总线技术的信息系统集成方法。该集成方法在体系结构中采用了软总线技术，探讨了基于agent的总线技术，给出了实现方案。     

一种基于一致性邻域超图模型的图象分割方法

提出了一种将超图理论与图象的空－频域特征分析相结合的图象分割方法,该方法是基于图象的多分辨率小波分析及高斯－马尔可夫随机场理论,在抽取一组反映图象局部空间结构信息的特征矢量基础上,根据同一区域的象素具有相似的特征矢量的原则,将图象转换为一个关于特征相似性测度的领域超图,再利用覆盖－选择算法对该超图进行分割的方法,实验证明,该方法具有较好的稳定性和适应性,尤其对于一些信噪比较低的图象,也具有良好的分     

入侵检测中加权频繁项集挖掘

关联规则挖掘算法在实际应用中存在如下假设,即假定每个属性的重要性相同.因此,将其应用于入侵检测时,很可能挖掘出大量无用规则,甚至是误导的规则.为了解决该问题,在引入加权支持度的基础上,提出一种加权频繁项集算法,将该算法应用于网络连接记录的挖掘中.实验结果表明,该算法有效、可行.     

海战场目标分群方法研究

目标分群问题是战场态势评估的一个重要问题。根据海战场态势评估需要,对目标分群进行了层次描述;鉴于海战场目标数据空间是一种高维空间,采用高维空间的相似度函数对目标相似度进行度量,进而对战场目标按层次进行分群。通过实例验证,取得了较好的效果。     

基于GFMM神经网络的雷达目标识别方法

新型的无师训练（General Fuzzy Min—Max，GFMM）神经网络是一种具备无师训练聚类识别能力的新型神经网络，它继承了原有GFMM网络的特点，在网络的拓扑结构和算法方面进行了较大的改进，增加了能够进行自适应在线学习的能力。基于无师训练GFMM神经网络的雷达目标识别方法完整地实现了雷达目标特征学习和识别的一体化过程。在某型对海警戒雷达舰船目标识别仿真应用实验中的结果表明：文中的方法优于其他传统的神经网络目标识别方法，在雷达目标识别方面具有良好的适用性。     

基于预筛选的改进的SAR图像PPB去斑

针对迭代式PPB滤波器时耗过长,而其非迭代式滤波器PPB (non-it)抑制了滤波后SAR图像的纹理和细节特征以及因没有对像素点进行有效的预筛选而影响图像视觉效果的矛盾,提出了一种基于预筛选的改进的SAR图像PPB去斑方法.该方法利用目标反射强的特征对其进行检测和保护,同时缩小滤波器在该处搜索窗口和比较窗口的尺寸;对于其他的像素点,通过像素块均值和方差的比较剔除搜索窗口中不相关的像素点,结合改进的sigma滤波器技术,利用sigma范围进一步排除异值点,让剩余的像素点参与中心点的滤波.实验结果表明,与原PPB(non-it)滤波器相比,改进的滤波器在图像纹理、细节保持和斑点抑制能力方面都有显著的提高,取得了较为满意的效果.     

基于聚类分析和旋转的改进的SAR图像PPB去斑

PPB滤波器不能在滤波过程中对参与滤波的像素块进行有效的选择并具有不适宜的权重计算方式,从而导致滤波后的图像抑制了原图中尺寸较小的图像细节.针对以上问题,首先引入簇树这一数据结构,选取与PPB滤波器相同的距离准则构建簇树,以实现对图像块的快速、精确的筛选.然后通过旋转像素块重新定义两个像素块之间的权重,解决原始的PPB滤波器对图像中旋转的或镜像的重复区域不能很好利用的问题.最后采用PPB滤波器的非迭代滤波方式进行滤波.实验证明,改进的滤波器在纹理和细节保持方面较原滤波器有显著的提高,特别是在尺寸较小的图像细节特征保持方面.     

一种基于一致性邻域超图模型的图象分割方法

提出了一种将超图理论与图象的空 -频域特征分析相结合的图象分割方法 .该方法是基于图象的多分辨率小波分析及高斯 -马尔可夫随机场理论 ,在抽取一组反映图象局部空间结构信息的特征矢量基础上 ,根据同一区域的象素具有相似的特征矢量的原则 ,将图象转换为一个关于特征相似性测度的邻域超图 ,再利用覆盖 -选择算法对该超图进行分割的方法 .实验证明 ,该方法具有较好的稳定性和适应性 ,尤其对于一些信噪比较低的图象 ,也具有良好的分割效果 .