一种弹道目标识别数据库构建方法

雷达目标识别数据库用于目标特性分析、识别算法验证,是实现智能目标识别系统的关键所在。本文从弹道目标识别数据特性出发,以典型弹道目标识别任务为牵引,从数据来源、特征信号、目标特征、分类判决进行逐级分析与设计,获得一种弹道目标识别数据库设计方法,支持实时特性数据读写操作、动态模型训练、批量数据查询等基础操作,并适用于群目标分辨、真假弹头识别等不同层面的识别任务,该数据库设计方法已在工程实践中应用,性能稳健,推广性强。     

基于数据驱动的窄带雷达舰船目标分类决策方法

针对窄带雷达难以提供精细的目标特征信息的问题,提出了一种基于数据驱动的海面目标分类器设计方法.利用增量学习的思想,通过假设合作目标的样本分布与非合作目标的样本分布一致,对分类器决策模型进行迭代优化.基于实测数据的测试结果表明了所提方法的精确性与有效性.     

面向云计算资源管理的交互仿真平台构建

针对云计算资源管理建模分析的要求,提出了一种应用着色Petri网和Cloudsim的交互仿真平台架构.通过着色Petri网层次化替代变迁构建交互仿真框架,基于CPN Tools的接口规范定义与Java Socket完成接口设计和建立交互控制进程,实现了云计算资源管理CPN逻辑事件模型与Cloudsim物理模型的交互仿真.最后,通过一个简化的云资源管理实例建模仿真和逻辑结构检验,验证了交互仿真平台架构的可行性和实用性.     

一种基于半监督学习的弹道目标识别方法

常规反导目标识别系统多依赖于先验知识与一定规模的样本,然而,由于弹道导弹发射事件具有偶发性强、非合作性强等特点,弹道目标样本积累困难,已积累的观测数据也难以进行准确的类别标定。因此,弹道目标识别系统通常研发周期较长、开发代价巨大。针对该问题,将半监督学习算法引入弹道目标识别分类器设计,以降低常规分类识别方法对样本规模的要求。进一步地,针对弹道目标特征分布未知的情况,设计一种TSVM-MKL分类器实现对半监督学习中假设模型的自适应调整。数据验证结果表明,该算法能在“极小”标定样本识别情景下仍能取得良好的分类识别效果,具有良好的工程应用价值。