基于云模型的核心竞争力影响因素分析及评估

为寻找合适的影响因素,提升企业核心竞争力水平,提出基于可拓共轭对分析和云模型的核心竞争力影响因素分析方法。通过对典型农机制造企业分析,运用可拓共轭对分析理论,建立企业内部业务流程和供应链两个角度的虚实、软硬共轭对模型,寻找所有影响因素集合。在此基础上构建基于相对偏好关系的云模型,处理评价信息的不确定性和模糊性,计算核心竞争力初始重要度。引入自相关矩阵进行修正并判断各相关因素的重要度,确定关键核心影响因素。最后通过实例分析验证所提模型的科学性和可行性,帮助企业寻找核心竞争力提升方向。     

基于关系矩阵的主被动传感器统计融合算法

针对传感器对目标跟踪时观测噪声非高斯问题,提出了一种基于关系矩阵的主、被动传感器量测统计融合算法.采用方差加权距离处理传感器量测噪声非高斯问题,运用传感器综合融合度构建关系矩阵,并且在门限附近采用椭圆模糊处理技术,利用Perron-Frobenius定理计算量测融合过程中每个传感器的权重.仿真结果表明当传感器观测噪声具有非高斯特性时,基于关系矩阵的主被动传感器统计融合算法和传统的融合算法相比扰动较小,具有较好的稳定性,可用于改善跟踪系统的抗干扰能力.     

遥感图像分类中的灰度自相关约束共生矩阵

提出了一种提取图像纹理特征的新方法。该方法把具有反映灰度空间相关性和连续性的自相关矩阵引入灰度共生矩阵,构造了灰度自相关约束共生矩阵,更好的描述了图像灰度空间的变化特征和纹理的结构特征。实验证明该方法可以有效地提高遥感图像分类的精度,使分类效果得到很大的改善。     

自适应阵在雷达低角跟踪中的应用

从阵列信号处理的角度出发，采用自适应阵，提出了一种新的数字波束形成（ＤＢＦ）算法。它不仅可以抑制一般的非相干信号干扰，而且可以抑制多径信号引起的相干信号干扰，并能在复杂的干扰环境中检测信号。     

基于像素点聚类分离的滤波算法

为了提高受随机值脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法。对噪声图像进行初步滤波,分辨出图像中比较明显的噪声;根据图像局部像素点的相似性和噪声点的孤立性,计算出噪声图像的相关矩阵;运用模糊C均值聚类算法对所求相关矩阵进行迭代聚类,分离出噪声点和正常像素点;对噪声点进行中值滤波。实验结果表明,与传统算法相比,该算法能更好地滤除噪声点,保护了更多的图像细节,具有良好的滤波效果。     

时空相关矩阵联合对角化对谱分辨的影响

采用基于Jacobi算法的矩阵联合对角化方法对阵列接收数据的空时相关矩阵进行联合对角化,能够获取关于目标方位的尽可能多的信息,即空时相关矩阵"平均"特征值和特征向量,将这些平均值应用于Capon提出的最小方差无畸变响应(MVDR)空间谱估计算法,得到修正MVDR算法.由于修正MVDR算法充分利用了目标方位信息,且不需要信号源数目的先验信息,所以,其性能优于MVDR算法和MUSIC算法.仿真试验表明,在信号源相关程度比较高的情况下,修正MVSDR算法不需要信源数目的先验信息,仍能分辨出信号方位,其性能明显优于MUSIC算法,特别是当信源数目欠估计时,而其他基于子空间的算法得不出任何有意义的结果.修正MVDR算法空时相关矩阵联合对角化能提高空间谱的分辨能力,在一定程度上增加算法的稳健性.     

可维修性驱动的模块划分

为保证日益复杂的装备产品快速维修的需求,在产品模块划分过程中,提出面向维修的模块划分方法.在相关因素分析中考虑维修因素,从技术上考虑零件拆分的难易程度,并分布到其他各种零件之间的相关因素中,分别展开每一个相关因素,建立零部件相关因素树.从整体上考虑各相关因素对设计目的的影响程度,对各因素进行权重分配,建立零部件综合相关矩阵,并进行动态的模糊聚类,得到模块划分方案.最后以电冰箱为例进行面向维修的模块划分,结果表明,该方法可有效地实现产品的快速维修.     

基于空间时频分布的高频雷达接收阵校正

传统阵列校正大多使用目标的空间相关矩阵,利用信号的时域或频域信息对阵列的幅相误差进行估计。但在实际应用中,由于时域信号信噪比无法满足要求,频域信号快拍数目又过少,导致无法准确估计出目标的空间相关矩阵,从而极大地影响了阵列的校正效果。针对此问题,首次利用空间时频分布理论进行阵列校正,通过时频点的选取提高信噪比,使校正效果和误差容限得到提升。通过计算机仿真给出了该方法与传统方法的性能对比,最后将该方法应用到实测雷达数据中,验证了校正的有效性与可行性。     

一种针对区间型数据的新主成分分析法

为了减少数据信息的损失,采用推迟区间型数据转换为数值型数据的方法,提出一种针对区间型数据的新的主成分分析方法.它和已有方法的区别在于协方差矩阵和相关矩阵的元素是区间数(从而相关的特征值和特征向量的元素也是区间数).最后用实例验证了该方法的优越性.