水压引信目标分类的研究

本文提出一种模糊统计分类 FSC 方法,用于研究水压引信目标分类问题。在建立水面目标场多级网络分类模型的基础上,分析讨论了此方法的特征提取、识别函数、模糊与冲突、搜索算法等技术问题,并通过仿真实验,对水面目标航速、吨位、横距进行分类处理,结果表明,FSC 方法行之有效。     

89C51单片微机在自动定位系统中的应用

针对枕式包装机定位系统存在的问题，提出并研制了基于单片机机的控制系统，该系统使包装定位精确，实现袋长和袋速的予置和实时检测等功能，实际运行平稳可靠，效果良好。     

ADS熔盐散裂靶中子学性能研究

与传统加速器驱动次临界系统（ADS）采用金属靶作为散裂中子靶的设计不同,加速器驱动次临界熔盐堆（AD-MSRs）采用靶堆一体的设计,直接使用燃料熔盐作为散裂中子靶。由于熔盐靶的中子学性能直接影响AD MSRs的能量放大系数、核废物的嬗变和核燃料增殖的效率,所以本研究基于MCNPX程序,详细计算了高能质子轰击氟盐和氯盐两种熔盐靶产生的散裂中子产额、散裂中子能谱、能量沉积分布以及散裂产物等中子学性能,并与液态Pb和铅铋共熔体（LBE）两种液态金属靶进行了对比。计算结果表明,熔盐靶在散裂中子产额上与液态金属靶有一定的差距,但熔盐靶内能量沉积分布的梯度较小,更有利于靶区的热量导出。与液态Pb和LBE靶相比,熔盐靶的散裂产物中包含更多的气体以及高质量数的α发射体核素。     

一维驱动二维跟踪太阳自动跟踪系统设计

本文从对太阳方位变化规律的分析计算入手,利用天文时间来提供准确可靠的自动跟踪信号,并采用一维驱动实现二维精密跟踪的新技术。依此所设计的新型太阳能聚光器自动跟踪系统与同类产品相比,具有准确可靠、抗干扰能力强、成本低、方便实用等特点;这对于通过聚光方式推动太阳能应用具有重大的现实意义。     

一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

冲击声的固有结构建模及目标识别

将统计数据驱动方法应用于冲击声的固有结构建模,研究了单个冲击信号及冲击声组的时域和频域特征提取方法,并将所提特征用于圆柱壳冲击声和公路空洞检测冲击声分类,获得了良好效果,证实了该方法用于冲击声目标分类的有效程度。     

基于差分进化算法的面目标瞄准点寻优

瞄准点的寻优选取是导弹火力筹划的核心理论问题之一。针对此问题,本文基于矩形面目标毁伤面积计算设计评价函数,利用差分进化算法原理对面目标的瞄准点坐标进行实数编码,并设计差分进化算子,建立面目标瞄准点寻优模型。通过设计面目标计算实例对模型进行验证,实验结果表明,差分进化算法的稳定性较强且具有较好的操作性,模型求得的瞄准点可信度较高,能够提升导弹打击效果并降低打击成本,为火力筹划中瞄准点寻优提供了新方法。     

CSatDTA: Prediction of Drug–Target Binding Affinity Using Convolution Model with Self-Attention

Drug discovery, which aids to identify potential novel treatments, entails a broad range of fields of science, including chemistry, pharmacology, and biology. In the early stages of drug development, predicting drug–target affinity is crucial. The proposed model, the prediction of drug–target affinity using a convolution model with self-attention (CSatDTA), applies convolution-based self-attention mechanisms to the molecular drug and target sequences to predict drug–target affinity (DTA) effectively, unlike previous convolution methods, which exhibit significant limitations related to this aspect. The convolutional neural network (CNN) only works on a particular region of information, excluding comprehensive details. Self-attention, on the other hand, is a relatively recent technique for capturing long-range interactions that has been used primarily in sequence modeling tasks. The results of comparative experiments show that CSatDTA surpasses previous sequence-based or other approaches and has outstanding retention abilities.     

Dempster-Shafer证据理论在目标意图预测中的应用

为了准确对目标意图进行预测,以便我方及时合理地作出战术决策,采用D-S证据理论对目标意图进行预测。首先提取出影响目标意图预测的各个态势因素,然后分析每个因素的影响效果。在此基础上建立目标意图预测的数学模型,利用D-S合成法则将所有因素的影响进行综合,并计算出各个可能命题的概率赋值并给出相应决策。最后,通过仿真实例验证了该方法在目标意图预测中的可行性和实用性。