基于多帧数据的目标分群算法

针对在多帧数据条件下的目标分群问题,提出一种基于数据流聚类的动态目标分群算法TG—Stream,该算法由在线和离线2个部分组成。在线部分采用临时存储结构（TSS）和金字塔时间框架保存侦察数据集的概要信息,离线部分采用CNM算法对时问框架的信息进行聚类,最终得到分群的结果。实验结果表明,TG—Stream具有灵活的精度和效率平衡性,能较好地满足决策辅助系统处理实时信息的需要。     

基于多Agent的战场目标分群方法

针对陆战场的态势识别问题,提出一种用于多Agent的态势识别系统战场目标分群方法。在陆战场目标分群过程中,管理Agent与实体Agent相互协作,以相似度计算作为分群的依据,考虑每个实体Agent的地形、相互间机动性能等因素,提出各自的分群方案,由管理Agent分发数据并合并结果。模拟结果表明,该方法能够解决传统方法在地形分割中的分群错误问题。     

基于聚类的海战场目标分群方法

目标分群是态势估计需要解决的一个重要问题.目标分群的结果有助于确定态势元素间的关系,从而为作战决策提供依据.提出了一种海战场环境下目标分群的方法.该方法在考虑目标各运动要素的基础上,对其进行最优权值分配,然后利用Chameleon算法对综合指标值进行聚类.     

基于深层聚合网络的车辆多目标检测与追踪

针对现有车辆多目标检测与追踪算法在长时间遮挡、光线变化等因素的影响下造成的ID切换和误检问题,提出一种基于深层聚合网络的改进算法,进行车辆检测并完成特征嵌入任务。通过在下采样过程中融合注意力模块进行特征增强,在特征融合过程中使用可变形卷积提高捕获不同尺度目标的能力,采用高斯核函数在目标中心区域提取车辆特征信息用于轨迹关联,实现车辆多目标追踪任务。所提算法在UA-DETRAC数据集上进行实验,其MOTA和IDF1分别达到了79.37%和88.12%,ID切换次数从77下降至36,满足实时检测与追踪的需求。     

直升机对地攻击兵力部署优化方法研究

直升机编队内各机种配置方案的不同会对其作战能力产生影响。编队兵力优化是多编队对地攻击问题的关键,在综合考虑剩余威胁与我之损失两类指标的基础上,建立多目标的优化仿真模型。同时,采用多目标离散离子群算法求解模型,该算法具有稳定的全局搜索能力并保证收敛到Pareto前沿。该算法可求得满足作战需求的不同直升机编队方案最优集以供指挥员决策参考。仿真算例验证了模型及所提出的多目标优化求解算法的有效性。     

聚合级CGF队形变换的仿真

文章以美军坦克排为例,提出了用逼近法建立队形变换这一战术动作的数学模型,并探讨了用计算机仿真实现的方法,该技术已在装甲兵数字化部队作战仿真实验室中得到应用。     

基于多模态多级特征聚合网络的光场显著性目标检测

现有基于深度学习的显著性检测算法主要针对二维RGB图像设计,未能利用场景图像的三维视觉信息,而当前光场显著性检测方法则多数基于手工设计,特征表示能力不足,导致上述方法在各种挑战性自然场景图像上的检测效果不理想。提出一种基于卷积神经网络的多模态多级特征精炼与融合网络算法,利用光场图像丰富的视觉信息,实现面向四维光场图像的精准显著性检测。为充分挖掘三维视觉信息,设计2个并行的子网络分别处理全聚焦图像和深度图像。在此基础上,构建跨模态特征聚合模块实现对全聚焦图像、焦堆栈序列和深度图3个模态的跨模态多级视觉特征聚合,以更有效地突出场景中的显著性目标对象。在DUTLF-FS和HFUT-Lytro光场基准数据集上进行实验对比,结果表明,该算法在5个权威评估度量指标上均优于MOLF、AFNet、DMRA等主流显著性目标检测算法。     

目标跟踪中基于自适应模糊控制的数据融合方法研究

提出一种基于自适应模糊控制的数据融合方法。利用反向传播学习算法对其参数进行优化 ,并针对杂波环境中的单目标跟踪问题进行了仿真研究。仿真结果表明 ,该方法计算量小 ,能较好地处理不确定信息     

基于分簇的无线传感器网络数据聚合方案研究

数据聚合技术是目前无线传感器网络中的研究热点,同时也是一种重要的节能技术之一。在基于分簇网络拓扑结构的基础上,提出了一种新的数据聚合方案。分别对簇内成员节点和簇头节点进行数据聚合处理,簇内节点引入相对信息熵减少数据量的发送,而簇头节点维持一个反馈比较值,当接收到簇内成员节点发送的数据或得到自身传感器模块的数据时,该值可以用来判断是否转发接收到的数据。通过与LEACH协议的仿真对比实验,结果表明新方案能有效减少网络中的数据包传送数目,降低节点能耗,并显著地延长了网络寿命。     

支持QoS的无线传感器网络数据聚合技术研究

结合数据聚合技术的特点,通过分析现有无线传感器网络的QoS研究,提出了数据聚合的三个QoS度量指标,即网络生命周期、数据时延、数据质量,讨论并分析了保证这些数据聚合QoS指标的关键技术,对于进一步深入研究无线传感器网络的数据聚合技术具有比较重要的参考价值.     

基于小波变换的分布式WSN数据融合模型研究

针对无线传感器网络节点硬件、能量受限问题,分析现有数据融合方法,提出一种基于小波变换的分布式WSN数据融合模型,该模型对现有环结构模型进行改进,并加入数据验证环节,策略性地减少传输的数据量,并利用小波提升方案对数据进行融合处理,降低数据表示和传输的复杂度。通过仿真实验,证明了DDA-WT算法能有效降低网络节点的能耗,延长整体网络的生存期。     

PM2.5细颗粒物凝并的计算流体力学模拟

随着我国城市化和工业化进程日益加快,PM2.5细颗粒物污染己成为突出的环境问题,采用凝并技术使小颗粒凝并为大颗粒成为提高除尘效率、降低PM2.5细颗粒物排放的主要途径。本文采用计算流体力学(CFD)群体平衡模型及自由分子凝并核模拟了细颗粒物的凝并过程,分析了凝并器出口粒径分布的动态演化规律,考察了停留时间及凝并器入口固含率对凝并效果的影响。模拟结果表明,凝并器出口处的平均粒径经历了一个从零开始逐渐增大后趋于稳定的演化过程:在入口固含率为10的条件下,颗粒粒径越小,凝并效果越显著,当入口颗粒粒径增大至2.0μm时,颗粒的凝并几乎可以忽略;凝并器出口平均粒径近似与入口固含率的1/3次方及细颗粒物在凝并器中的平均停留时间成正比。     

基于最小二乘法的冗余信息数据融合算法实现

为了有效融合多传感器冗余系统量测信息,使状态的估计值更接近于状态的真实值,实现高精度和高可靠性的状态估计,采取了基于最优加权的最小二乘算法、有限窗加权的最小二乘算法和自学习加权最小二乘算法,分别对多传感器实测数据进行融合处理,融合后数据的方差大幅度降低,估计精度显著提高。并与传统的最小二乘算法进行了仿真对比,结果表明,这3种方法较最小二乘算法融合精度更高,其中,自学习加权的最小二乘融合算法既考虑了历史数据的作用,又考虑了环境噪声和新的采样值的影响,增强了对噪声检测的敏感性,估计效果较好。     

一种多传感器数据融合模型的研究

针对地面目标多传感器数据融合的问题,建立了多源多目标异时数据融合模型.首先利用抛物插值法进行时间配准,使其状态信息都在统一的时间点上,采用最近邻域法进行当前目标和已有目标的关联,最后用加权法对不同传感器的数据进行融合.仿真实验验证了模型的有效性.     

Efficient aggregation algorithms on very large compressed data warehouses

Multidimensional aggregation is a dominant operation on data warehouses for on-line analytical processing(OLAP).Many efficinet algorithms to compute multidimensional aggregation on relational database based data warehouses have been developed.However,to our knowledge,there is nothing to date in the literature about aggregation algorithms on multidimensional data warehouses that store datasets in mulitidimensional arrays rather than in tables.This paper presents a set of multidimensional aggregation algorithms on very large and compressed multidimensional data warehouses.These algorithms operate directly on compressed datasets in multidimensional data warehouses without the need to first decompress them.They are applicable to a variety of data compression methods.The algorithms have different performance behavior as a function of dataset parameters,sizes of out puts and ain memory availability.The algorithms are described and analyzed with respect to the I/O and CPU costs,A decision procedure to select the most efficient algorithm ,given an aggregation request,is also proposed.The analytical and experimental results show that the algorithms are more efficient than the traditional aggregation algorithms.     

一种模拟退火遗传算法的传感器网络数据融合技术研究

研究无线传感器网络(WSN)数据融合技术。传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗。结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA)。采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合。仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时。     

车用自组织网络中数据聚合算法综述

具有短距离通信能力的车载设备的改进和短距离微波通信授权频谱的分配推动了智能交通系统应用的发展,促进了车用自组织网络(VANET)的研究。对于VANET上的应用数据分发是各类应用实现的基础,同时数据聚合又是实现数据分发的关键技术。介绍了VANET的概念和网络构架,给出了当前VANET上的一些典型应用;详细阐述了VANET上的数据分发的基本结构,并对数据聚合算法的研究现状进行了详细的分析和比较;最后总结并展望了VANET上的数据聚合在未来一段时间的研究重点。