舰船目标回波串细化成像法

提出了一种常规对海警戒雷达对于舰船目标的视频回波串细化成像法，成倍地增加了现有回波串成像法的作用距离，并改进了成像质量。文章还讨论了距离，姿态角等参数对成像产生的影响，并用模拟数据验证了细化成像的效果，对其抗噪性能也作了初步探讨。     

基于GFMM神经网络的雷达目标识别方法

新型的无师训练（General Fuzzy Min—Max，GFMM）神经网络是一种具备无师训练聚类识别能力的新型神经网络，它继承了原有GFMM网络的特点，在网络的拓扑结构和算法方面进行了较大的改进，增加了能够进行自适应在线学习的能力。基于无师训练GFMM神经网络的雷达目标识别方法完整地实现了雷达目标特征学习和识别的一体化过程。在某型对海警戒雷达舰船目标识别仿真应用实验中的结果表明：文中的方法优于其他传统的神经网络目标识别方法，在雷达目标识别方面具有良好的适用性。     

General Fuzzy Min-Max神经网络的改进与应用

针对General Fuzzy Min—Max(GFMM)神经网络不能自适应学习新类的缺陷，提出了一种基于该网络的无师训练改进算法。它一方面继承原GFMM网可以处理模糊输入量的优点．重构了网络中的模糊隶属度函数：另一方面结合ART2神经网络无师学习的特点．引入了网络警戒门限和运行状态切换控制。改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力．并展现出了良好的并行处理性能。自动目标识别中的应用结果表明：该网络具有广泛的实用性     

基于BP网络的混沌时间序列预测模型

本提出了一个基于BP神经网络的混沌时间序列预测模型。该模型具有较强的预测能力，可有效地对复杂的混沌售进行预测。