改进的特征点提取算法及其适应性评估

改进了一种特征点提取算法[1].提取图像的边缘轮廓线并以边缘线的几何重心为极点,对边缘极坐标化,形成幅角-极径曲线.再在该曲线上寻找局部最大与最小值点以得到特征点.改进后的算法既能获取曲线的凸点,也能获取其凹点,与原算法比较有了明显的改进.又分别在尺度,旋转及仿射变换情况下,对算法的适应性进行评估,实验结果表明,改进后的算法适应性较好,能达到79.1%.在实际应用中,二维边缘曲线实现基于特征点的自动输入及三维重建具有重要价值.     

一种基于统计的多智能体Q学习算法

针对非确定马尔可夫环境下的多智能体系统,提出了一种新的基于统计的多智能体Q学习算法,该算法将统计学习与增强学习有机结合,有效地解决了智能体环境部分感知、信息不确定以及其他智能体行为策略学习的问题,经RoboCup仿真实验证明该算法具有较强的自适应能力和学习效率。     

一个地形可视化系统的建立与阴影分析计算

地形可视化对土地的规划利用和综合决策都具有重要的应用价值。它能够给人们提供一个直观的地理形象，便于实施操作和想定作战方案，从而取代传统的沙盘模型且易于进行地形定量计算。本文根据某工程的实际需要建立了一个地形可视化系统，并对太阳时角地形造影(阴影)进行了分析计算。实用结果证明：该系统效果良好。     

不变区域提取算法及其在两视图粗校正中的应用

在宽基线成像过程中,两视图的成像角度、光照条件都发生较大的变化,使得立体匹配的难度加大。提出了一种基于不变区域提取算法,通过灰度指数变换,定义的目标函数不仅提取了定位准确的极值点,形成稳定的不变区域,而且突显了每个方向上灰度的变化。将其应用于两视图RTS变化参数估算中,正确率分别达到:旋转91.65%,水平位移84.85%,垂直位移80%,比例84.29%。根据估算值对右图像进行校正,校正后的右图像明显地提高了与左图像的相似度。     

基于MAS的作战指挥模型的通信技术实现

Agent通信是Multi-Agent系统能否高效运行的关键技术之一。为实现基于Multi-Agent的作战指挥智能化系统中各Agent间的交互、协商与合作,解决作战决策处理这一复杂过程的控制问题,通过分析FIPA-ACL的系统组成、通信机制等,提出了一种基于FIPA-ACL的作战指挥智能化系统的Multi-Agent通信技术,确定了其通信方式、通信策略与通信协议,并给出了具体实现方法。     

基于承诺-担保的访问控制模型

访问控制模型是信息安全领域研究的重点之一.现有文献中可以见到许多访问控制模型,但其只能依据已有的事实由授权系统单方面对授权请求进行判定处理,不适合电子商务环境下根据用户对未来可满足条件的承诺进行交互式访问授权的需要.提出了新的基于承诺-担保的访问控制模型(PABAC)以满足上述访问控制需要.讨论了模型体系结构,承诺担保机制,授权职责分离以及访问控制.模拟实验结果表明了模型的有效性.     

一种新的RBAC角色协同关系及其Petri网模型

角色授权约束是RBAC研究的重要内容.有效表达多角色授权和激活的序约束是一个难点问题.提出了新的角色授权协同及其序关系,扩展了现有的角色关系概念,使RBAC能够表达复杂的角色授权和激活序约束.其次,提出了角色授权协同及其序关系一致性分析和模拟的时间Petri网方法.     

巡航导弹飞行捷径、高度及速度对突防影响的仿真研究

研究巡航导弹航迹规划中飞行捷径、高度及速度3个关键性因素，重点是通过仿真给出在其约束条件下巡航导弹突防的概率．通过大量实验和作战仿真得出单枚巡航导弹对歼击机火力单元突防的概率随航路捷径、高度以及速度变化的规律和数学模型．     

运动目标识别中基于边缘点寻找特征点的算法

文章介绍了基于目标物体边缘点提取特征点的算法,避免了在整个目标图象范围内寻找特征点,算法简单,速度快。仿真结果表明,该算法是有效的。     

多尺度核方法的自适应序列学习及应用

多尺度核方法是当前核机器学习领域的一个热点。通常多尺度核的学习在多核处理时存在诸如多核平均组合、迭代学习时间长、经验选择合成系数等弊端。文中基于核目标度量规则,提出一种多尺度核方法的自适应序列学习算法,实现多核加权系数的自动快速求取。实验表明,该方法在回归精度、分类正确率方面比单核支持向量机方法结果更优,函数拟合与分类稳定性更强,证明该算法具有普遍适用性。