贝叶斯网络在空情目标威胁评估中的应用研究

为了实现对空情目标威胁评估准确、方便、快捷的需求,根据贝叶斯网络特点,运用联结树推理算法,将其应用在空情目标威胁评估系统当中。最后通过实例分析,综合敌方的破坏力、机动能力、运动模式及行为企图的先验知识,对其空情目标进行估计,能够直观的理解以及能够很好的获得空情信息。     

云贝叶斯网络在目标电磁环境威胁评估中的应用

云模型能够实现定性概念与定量数值之间的相互转换,将云模型这一优点引入到电磁威胁度评估,并结合贝叶斯网络设计出云贝叶斯推理算法系统.以目标电磁空间为背景,利用MATLAB平台对云推理算法系统仿真,得出具体的目标电磁环境威胁程度,检验了该方法的效果.     

空中目标威胁等级评估方法研究

本文提出了一种空中目标威胁等级评估方法,该方法运用了动态贝叶斯网络进行推理、结合专家知识以及对选取高斯分布函数对威胁要素进行量化,构建了基于动态贝叶斯网络的目标威胁等级评估模型。仿真结果表明:该模型可以有效的确定目标当前的威胁等级,该方法符合人类的推理过程。     

基于动态贝叶斯网络的低慢小目标威胁评估

针对复杂地形下 低慢小目标难以防御的难题,本文分析并研究对于与低慢小 目标威胁评估具有影响作用的因素,提出一种基于动态贝叶斯网络的威胁评估方法。基于低慢小目标的威胁属性,构建动态贝叶斯网络拓扑,利用贝叶斯理论推理出威胁值;并通过仿真试验验证该种基于动态贝叶斯网络的方法在对低慢小目标进行威胁评估是可行的。     

基于DFDBN的防空火控雷达威胁评估方法

针对防空火控雷达火控系统的多目标威胁判断问题,提出基于离散模糊动态贝叶斯网络的威胁评估方法。首先,把得到的不确定性数据进行模糊推理,获取威胁评估模型的训练和测试数据,然后,量化等级,同时运用动态贝叶斯网络的推理算法,通过多个时刻目标的同一特征参数相互补充和修正以及同一时刻目标的不同特征参数之间修正,对系统各个时刻观测值或某一时刻观测值进行威胁评估,得出正确的结果。最后,仿真结果表明该方法合理、有效。     

基于动态贝叶斯网络的低慢小目标威胁评估北大核心CSCD

针对复杂地形下低慢小目标难以防御的难题,本文分析并研究对于与低慢小目标威胁评估具有影响作用的因素,提出一种基于动态贝叶斯网络的威胁评估方法。基于低慢小目标的威胁属性,构建动态贝叶斯网络拓扑,利用贝叶斯理论推理出威胁值;并通过仿真试验验证该种基于动态贝叶斯网络的方法在对低慢小目标进行威胁评估是可行的。     

基于贝叶斯网络的战场目标威胁评估

准确地对战场目标的威胁等级进行评估,是战场辅助决策系统的一个重要环节.贝叶斯网是一种进行不确定分析和推理的有效方法.介绍了联合树贝叶斯网络推理算法,分析了战场目标的威胁等级评估涉及的主要因素,建立了相应的贝叶斯网络模型,并进行了实例推理分析,其结果比较准确地反映了目标的威胁程度.     

小数据集PS-DInSAR的PS点探测研究

PS点的探测是PS-DInSAR监测地表形变的前提。针对现有PS点探测方法在小数据集条件下误选率高、合理性低等问题,本文综合考虑PS点的强散射和稳定性,提出了振幅阈值预选的迭代综合相干系数PS探测方法,首先通过振幅阈值完成PS点的预选,然后利用迭代综合相干系数法精选出PS点。以上海地区的23幅ERS SAR图像作为实验对象,对比分析了几种方法在不同数据量下探测PS点分布、误选率以及合理性。理论分析及实验结果表明,本文方法对于小数据集PS点的探测具有明显优势,在PS点分布、误选率以及探测合理性方面都优于其他方法,将其用于实际区域形变速率反演,与实际统计资料仅相差1.2717 mm/a,说明结果准确、可靠性高。      

基于粒子群算法的网络安全评估优化方案设计

为了进一步改善网络安全评估的效果,提出一种基于粒子群算法的网络安全评估优化方案,网络安全评估是保护互联网和信息系统免受恶意攻击的关键任务,因此提高评估效果对于信息安全领域具有重要意义。介绍了一个融合PSO算法和贝叶斯网络的网络安全评估方案,目标是提升网络安全评估的准确性和效率。方案的流程包括数据处理、模式构建、关联数据挖掘、粒子群算法和贝叶斯网络训练等步骤。实验证明,所提出的方案比其他方法更准确,并可以识别各种攻击行为,为网络管理员提供决策支持。综上所述,所提出方法的应用将为网络安全领域的决策和应用提供有力的支持,促进信息系统的安全保护,未来的研究可以进一步探索如何应用该方法来解决更复杂的网络安全问题。     

基于机动目标威胁和粒子群算法的航路规划

执行飞行作战任务前对飞行航路进行合理规划十分重要,而环境/威胁建模是航路规划需要解决的首要问题。根据飞行过程中可能遇到的各种威胁源的特点,建立了山体障碍、恶劣气候及导弹、高炮固定阵地等各种静态威胁源的威胁概率函数模型,并进一步构建了机动导弹、高炮等动态威胁源的威胁概率函数模型;针对粒子群算法全局搜索能力强、收敛性好的特点,将粒子群算法运用到航路规划中,并进行了仿真实验,仿真结果证明了模型及算法的有效性。     

SDN中基于KMOBPSO的高可靠性控制器部署算法

针对SDN中控制器系统的单节点故障问题,兼顾系统成本和系统时延,应用N+1冗余备份模型来提高SDN控制器部署的可靠性,并将其抽象为多目标优化问题.同时,提出了一种融合K-means聚类算法和遗传算子的多目标二进制粒子群算法——KMOBPSO算法,以求解SDN控制器高可靠性部署问题的解.仿真结果表明,所提算法具有求解精度高、分布均匀、沿Pareto前沿面覆盖广的特点,能够显著提高SDN中控制器部署的可靠性.     

具有小世界网络搜索能力的智能微粒群算法

微粒群算法中微粒的邻域搜索范围具有典型的小世界网络特征.文中借鉴小世界网络的生成过程,提出了具有小世界网络搜索能力的智能微粒群算法,将全局寻优位置gbest的更新过程看作为随社会网络结构优化过程的传递,实现了微粒邻域结构的动态变化.从实验结果看出,在不同的测试函数上改变微粒的邻域结构能得到不同的结果.     

基于改进粒子群算法的图像边缘检测研究

为了提高图像边缘检测的细节信息,采用了二进制粒子群算法。首先通过logistic变换更新粒子速度,粒子速度不受限制;接着动态调整粒子位置,使飞行状态充分调整;然后正态云发生器动态调整粒子的惯性权重,这样较优粒子可以取得较小的惯性权重;最后建立图像边缘检测模型和算法流程。实验仿真显示本文算法对图像边缘定位准确、清晰,信噪比为35.9281db,处理时间为1.3401s。满足检测结果中对信息含量大、执行时间少等要求。     

粒子群优化的小波网络在飞参数据压缩中的应用

飞参数据压缩是减少飞参数据的存储空间和传输通信流量的关键。针对飞参数据的特点,提出了一种基于粒子群优化的小波神经网络近无损压缩算法。该算法将小波网络参数作为原始数据的重构信息,在小波神经网络BP算法的基础上,引入粒子群优化算法,克服了粒子群优化算法的早熟收敛,增强了小波神经网络学习算法的全局搜索能力,提高了网络收敛速度;同时将重构误差作为启发信息,在保证较小失真度的情况下,通过粒子的迭代寻求最优的小波神经网络结构。飞参数据压缩仿真实验结果表明了算法的可行性和有效性,可以获得较高的压缩比和较小的重构误差。     

基于进化计算的二元序列优化算法研究

具有良好非周期自相关特性二元序列在通信同步、雷达等领域具有广泛的应用。通过对遗传算法、粒子群算法与量子粒子群算法三种进化算法进行对比分析,设计了具有良好非周期自相关特性的二元序列的搜索算法。研究结果表明,粒子群算法的搜索能力优于遗传算法,而量子粒子群算法具有参数少,易于控制的优点,取得了较好的优化结果。     

基于粒子群算法的无人机航迹规划简

文中提出了一种基于粒子群算法的无人机航迹规划算法。为了减少规划的难度,通过“最小威胁曲面”概念的引入,将“最小威胁曲面”进行水平投影,从而将三维航迹规划问题转换成为二维航迹规划问题进行处理;然后利用动态粒子群算法在水平投影面里进行航迹搜索;最后给出了仿真验证,通过仿真结果可以看出,本文介绍的航迹规划方法的有效性。     

均匀搜索粒子群算法的收敛性分析

本文将均匀搜索粒子群算法(Uniform search Particle Swarm Optimization,简称UPSO)的位置更新公式变换为一个差分方程,求解差分方程得到非递推的位置更新公式,推导解的收敛条件并求出了UPSO对学习系数c及惯性系数w的收敛区域,最后通过6个Benchmark函数仿真实验对收敛区域的正确性进行验证,实验结果表明学习系数和惯性系数在收敛区域内时的UPSO收敛,不在收敛区域外时UPSO发散.