战场目标威胁程度多级模糊综合评判分析

在对战场目标的属性进行分析的基础上,建立了目标威胁程度多级模糊综合评判模型,包括模糊层次分析,一级和二级模糊评判,应用所建立的数学模型编制软件,运用计算机对目标威胁程度分别进行了单因素和多因素计算机实时仿真计算.     

关于PIFS多分辨率特性的一个补充定理

虽然多分辨率分形解码策略是根据ＰＩＦＳ（ＰａｒｔｉｔｉｏｎｅｄＩｔｅｒａｔｅｄＦｕｎｃｔｉｏｎＳｙｓｔｅｍ）不动点在一定条件下的多分辨率特性提出的,但其优越性仍缺乏理论保证．本文从理论上证明了,在进行分形图像解码时,采用多分辨率策略先进行ｋ次低分辨率迭代再进行分辨率提升所得结果与直接进行ｋ＋１次高分辨率迭代所得结果是相同的,从而为这种策略提供了完备的理论依据,从理论上保证了,与直接迭代解码方法相比,采用多分辨率解码方法能在不损失重建图像质量的前提下大大减少计算开销,因为绝大多数迭代是在低分辨率图像上进行的．     

一种相关证据合成方法

提出了一种新的模型来表示证据保相关性的起源,其中两个相关证据被认为由一个独立源证据分别与两个相关源证据通过正交和合成得到。相关证据的合成可以归结为这三个源证据的正交和,为此首先要由相关证据和独立源证据辨识汀关源证据,这是语气理论中的反问题,给出了基于梯度的下降的辩识算法。从理论上证明了,即使辨识结果不唯一,合成结果是的唯一的,并针对一特殊情况,证明了辨识结果是唯一的。     

离散不确定系统分布式鲁棒融合滤波器设计

针对一类离散多传感器动态模型的不确定系统,将鲁棒滤波理论与数据融合技术相结合,基于参数依赖Lyapunov函数,研究该离散系统的鲁棒融合滤波器设计问题。在集中式鲁棒融合滤波器的基础上,探讨了分布式加权融合滤波器的设计方法,通过仿真实验比较了鲁棒融合滤波器的性能。结果表明,利用该分布式加权融合算法,不仅对于解决当系统模型中存在参数不确定性时的滤波问题有较好的鲁棒性能和较低的计算量,而且在多传感器系统中对于满足不同精度鲁棒融合滤波器的设计需要具有较大的灵活性。     

在线自适应选择子空间的红外目标跟踪方法

传统基于子空间的目标跟踪方法以能量大小为准则建立子空间,没有考虑目标与背景之间的鉴别性,当两者间存在近似外观分布时将降低跟踪系统的性能。考虑到红外图像信噪比、对比度不高等特点,提出了一种以评估目标与背景间可区分能力为基础的子空间选择方法,并将该方法有效嵌入到粒子滤波跟踪框架下实现对红外目标的鲁棒跟踪。首先利用采样粒子分布以及当前目标状态,综合衡量粒子与目标间的特征分布差异和粒子逼近目标的程度来评估不同子空间的鉴别性,然后选择鉴别性最优的子空间作为下帧的跟踪子空间,从而实现对红外目标进行子空间自适应选择的鲁棒跟踪。对多个复杂场景下的目标跟踪实验表明所提出的算法要优于传统基于增量子空间学习的跟踪算法。     

多距离分类器组合试验在人脸识别中的应用

先通过PCA特征脸或插值降维,并利用Fisher鉴别矢量集,获得人脸鉴别特征;然后采用常见距离分类器及其组合形式进行识别分析,分类器组合使用多数投票规则和最大值规则等;最后对计算结果进行分析。该文研究思路和方法简洁,结果令人满意,对基于生物特征鉴别分析的工程应用具有较大价值。     

基于特征选择和协同模糊聚类的模糊建模研究

为了提高模糊模型辨识效率,提出了一种新的模糊模型建摸方法,该方法由两步组成：（1）采用基于特征相似性的特征选择方法,去除原始数据的冗余;（2）利用协同模糊聚类与G-K相结合的算法初始化模糊模型,使其前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类,模型参数得到改善,提高了模糊模型辨识的效率。模糊建模的实验结果表明了该方法的有效性。     

多处理机调度问题的粒子群优化算法

建立了多处理机调度问题数学模型,结合遗传算法的思想提出了粒子群算法来解决多处理机调度问题。经过比较测试,4种粒子群算法的效果都比较好,特别是交叉策略A和变异策略A的混合粒子群算法是最好的且简单有效的算法。     

二维主成分分析方法的推广及其在人脸识别中的应用

提出了分块二维主成分分析(分块2DPCA)的人脸识别方法。分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其特点是:能方便地降低鉴别特征的维数;可以完全避免使用矩阵的奇异值分解,特征抽取方便;与2DPCA方法相比,使用低维的鉴别特征矩阵,而达到较高(至少是不低)的正确识别率。此外,2DPCA是分块2DPCA的特例。在ORL和NUST603人脸库上的试验结果表明,所提出的方法在识别性能上优于2DPCA方法。