兵力聚合中的目标分群方法研究

在高级数据融合中,对敌方目标的分群识别是指挥员指挥作战所关心的重要问题之一。阐述了目标分群的必要性以及分群的层次结构;对目标分群进行了描述,指出其主要步骤和特点;通过引入核函数和CNM算法,给出了目标分群的具体实现,并给出了示例。     

基于模糊核超球的快速分类算法在股票预测中的应用

基于SVM（支持向量机）的SVDD（支持向量数据描述）分类算法存在计算复杂、分类准确率较低的缺陷, 针对股票数据非线性、高噪声的特点, 在传统的SVDD分类算法基础上, 模糊核超球快速分类算法（FCABFKH）通过合并法寻找超球集, 并依据最大隶属度原则构建分类器, 排除了离群点和超球集的重叠问题, 同时避免了复杂的二次规划, 具有分类速度快, 分类结果准确率高的特点。采用中国沪市上市公司数据验证该方法的有效性, 实验结果表明, 运用FCABFKH算法得到的组合回报率超过了市场基准。     

一种改进的Chameleon算法

利用Chameleon算法进行K值选择、相似度函数阈值选择时需要人为给出一些参数,在没有先验知识的情况下,人为确定此类参数难度较大。针对该问题介绍模块度概念,根据结构等价相似度和模块度概念提出一种聚类算法——M-Chameleon。实验结果证明,M-Chameleon可以客观地反映实际聚类情况。     

基于层次网络的卫星星座结构研究

首先简要介绍了层次网络的主要特点和天基信息网络的基本构成;其次,利用层次网络的迭代构建方法提出了一种天基信息网络的想定星座结构;最后,通过与对应的随机网络的建模仿真对比证实了这种结构的优势,从而为设计优化星座结构提供了一些新的思路。     

基于多帧数据的目标分群算法

针对在多帧数据条件下的目标分群问题,提出一种基于数据流聚类的动态目标分群算法TG—Stream,该算法由在线和离线2个部分组成。在线部分采用临时存储结构（TSS）和金字塔时间框架保存侦察数据集的概要信息,离线部分采用CNM算法对时问框架的信息进行聚类,最终得到分群的结果。实验结果表明,TG—Stream具有灵活的精度和效率平衡性,能较好地满足决策辅助系统处理实时信息的需要。     

基于层次聚类态势估计中的目标分群算法

为减轻指挥员的认知负担,研究了作战目标的分群问题.首先,以目标间的关系为基础,建立作战网络结构模型;然后通过计算相似度,提出了基于层次聚类的目标分群算法;最后,运用该方法给出了一个实用算例,得到了较好的分群结果,验证了文中方法的可行性和正确性.