基于聚类分析的微博用户标签自动生成

基于用户发表的微博内容进行标签的自动生成,主要研究的是基于聚类分析的用户标签自动生成.本文首先介绍用到的关键技术:聚类技术和TextTank,提出了Baseline系统,接下来详细说明了基于聚类分析的标签自动生成方法,最后通过实验对该方法进行了分析和评价.实验结果表明,该方法生成的用户标签能够有效地解决同义标签的堆积问题,使得生成的标签能够在更多的维度上体现用户的兴趣.     

采用纹理特征的跳频信号盲检测算法

针对通信对抗中的跳频信号检测问题,提出了一种基于纹理特征的跳频信号盲检测算法。该算法在时频分析的基础上采用灰度共生矩阵提取信号的纹理特征,通过对纹理特征量的分割实现信号与背景噪声的分割,并运用形态学滤波去除二值化后产生的椒盐噪声;然后通过连通区域标记获得时频图中各信号的位置信息,并采用聚类分析去除定频、突发等干扰,实现跳频信号的自动盲检测。仿真结果表明,该算法可以更加有效地分割信号与背景噪声,能够在较低的信干噪比下检测出跳频信号。      

方舟CPU体系结构及其嵌入式SOC

在我国的军事和国防领域，国产CPU的使用势在必行。从CPU设计和使用的角度，对目前已有一定应用的国产CPU方舟(Arca)的体系结构和基于Arca2的嵌入式芯片进行了研究和探讨。Arca2 CPU是一款32位的微处理器，他不但具有RISC体系结构的典型特征，同时具有一套全新的高性能、低功耗的指令体系结构。介绍了基于Arca2 CPU的高集成度SOC Arca210，Arca210集成了嵌入式产品所需的大量外设以及PC架构南北桥中的大部分功能，为嵌入式系统的设计提供了一个很好的选择。     

一种用热像仪获得烟幕透过率的方法

提出了一种用热像仪测试烟幕透过率的方法.经详细分析烟幕遮蔽前后热像仪探测器接收到的红外辐射情况,并经理论推导得出:不考虑烟幕释放对环境辐射和大气辐射的影响时,只需用热像仪对同一场景拍摄其烟幕释放前后的图像,利用这两幅图像的灰度信息即可获得烟幕的透过率,并且,只要场景选择合适,应用该方法可以测得烟幕的透过率分布.论文最后讨论了减小透过率计算误差的方法和获得烟幕透过率分布的技术途径.     

基于集对分析三角模糊数的火炮发射阵地选择

为了得到最优的火炮发射阵地,提出了一种利用三角模糊数和集对分析联系数进行排序优选的方法。首先利用三角模糊数描述评价指标属性和指标权重,然后将三角模糊数转化为集对分析联系数,通过联系数的运算,得到综合决策值,进而实现方案排序优选。实证分析表明了该方法的适用性和可行性。     

基于拉曼散射原理的分布式光纤测温系统研究

在研究拉曼散射原理及其应用技术的基础上,开发了一种分布式结构的光纤测温系统。通过对光纤的拉曼散射光谱信息进行解调处理,实现了全光纤的分布式温度检测。系统达到的温度分辨率为0.3℃,空间分辨率为3m,最大测量距离为6 000m。相关的实验室和野外试验结果表明,该系统的主要性能指标能够满足实际工程的使用要求。     

某无人机导航控制系统模块化设计

针对某无人机导航控制系统,设计了基于DSP的机载导航系统软件,提出了一种模块化的设计思想,阐明了模块化的设计思路,给出了导航软件的部分组成及其实现的功能,最后在此设计基础上给出半物理仿真。结果表明,导航软件的模块化设计条理清楚,可以全面的对导航系统进行统筹,改善开发环境,缩短开发周期,对加快无人机研制进度有重要的意义。     

基于物联网的电磁辐射监测系统的设计

本文将物联网技术应用于电磁辐射监测系统,设计了一种基于物联网的电磁辐射监测系统总体方案,在搭建了硬件平台的基础上设计实现了各软件模块。测试结果表明,该电磁辐射监测系统实现的功能包括电磁辐射水平监测、存储和管理监测数据、通过无线通讯设备向监测中心传输数据等,完全满足设计要求,可以用于创建中小型重点区域范围内电磁辐射监测网络。     

基于FFT与DWT联合的电力谐波检测的算法设计

目前谐波检测方法普遍存在的问题是很难对稳态谐波和非稳态谐波同时存在的信号进行准确检测.针对这种现象本文提出了一种混合算法:利用DWT将谐波信号成分低频和高频两部分;FFT对低频部分进行分析,得出稳态谐波的幅值、相位;小波熵对高频部分进行分析,得到非稳态谐波的时域信息.该算法结合以上算法的优势,完成对稳态谐波和非稳态谐波同时存在的信号的检测.并通过MATLAB验证该算法的准确性和可行性.     

采用概率密度比值估计的距离度量学习

现有的距离度量学习算法都是假设训练数据和测试数据服从相同的分布,但是该假设在实际中不一定成立。当训练数据和测试数据的分布不同时,利用训练数据学习得到的度量函数可能难以适用于测试数据。针对上述问题,本文在NCA (Neighbourhood Components Analysis)度量学习方法的基础上,通过引入概率密度比值对目标函数加权,提出了一种采用概率密度比值估计的距离度量学习方法(Distance metric learning with Probability Density Ratio Estimation, DML-PDR)。在UCI数据集和Corel图像库上的KNN分类实验表明,新方法克服了传统度量学习方法的不一致问题,提高了分类的准确率。