炮兵气象条件测试及其规律性研究

地面炮兵通常采用规定使用时限的方法来减少因时间不同所造成的气象条件误差对诸元精度的影响,但由于气象条件变化复杂,这种方法有时会引起较大的开始诸元误差.本文应用模糊数学和炮兵射击理论等知识对气象数据的测试结果进行贴近度分析和对气象条件的稳定性进行模糊评判,为合理使用气象条件奠定了基础.     

基于轮廓和统计特征的手写体数字识别

提出了数字规范化模板特征,并利用这一特征与轮廓分段特征相结合对手写体数字进行识别。首先使用基于轮廓分段特征的分类器进行识别,通过提高拒识率获得高可靠性的分类结果。然后由基于数字规范化模板特征的分类器对前一级分类器的拒识样本分类。实验结果表明分别基于这两个特征的分类器在分类结果上具有较强的互补性。实验的数据为真实支票上采集的10000个手写体数字样本,该方法的识别率为98.06%。     

高维特征下快速近邻法的定位点选择及在手写汉字识别中的应用

在采用最近邻法进行模式识别时,减小搜索的计算量是一个重要的问题,对于在线识别尤为重要,解决的途径之一是采用快速搜索近邻法。快速近邻法在将样本集分级后,若采用样本均值作为子集圆心,则求取所得的样本子集半径将大于其实际半径。该文介绍了一种高维特征情况下的样本子集圆心的求取方法,根据该方法求得的样本子集圆心与样本均值存在一定的距离,且求得的样本子集半径较小。将这两个圆心以及子集中特征累加值最大和最小的样本作为定位点,应用于基于三角不等式的搜索算法的样本排除规则,大大减少了搜索的计算量。在手写汉字识别实验中,基于该方法的快速近邻法识别速度更快。     

基于Gabor滤波器和特征加权的红外图像识别

针对红外图像边缘模糊、噪声较多的特点,文中提出一种新的基于Gabor滤波器和特征加权的红外图像识别方法。该方法利用Gabor滤波器的多尺度特性对红外图像进行特征抽取,然后根据Gabor特征矢量中邻近分量的离散程度对其自身进行加权。通过对三种不同类型的红外车辆进行识别测试以及与传统的方法进行比较,结果表明Gabor特征矢量经过加权处理后,能够有效降低红外图像识别的错误率,增强鲁棒性。     

基于小波特征的快速核主分量分析技术

论文提出了基于小波特征的核主分量分析技术,即在进行非线性映射之前,首先利用小波变换对原始输入训练样本进行预处理,获取低频平滑、水平细节和垂直细节等三个子图的小波特征,然后在频域上,对它们分别进行核主分量分析(KPCA),对最终获得的3组特征向量设计了一种特征融合的方法。在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核主分量分析方法,而且,特征抽取速度提高了11倍。     

基于波形分析的二维条码识别

传统的条码识别方法是通过边缘检测来定位条码边界，对于被光学系统点扩展函数严重模糊的高密度条码图像，这种方法的性能急剧下降，为了克服点扩展函数造成的模糊，提出了一种基于波形分析的二维条码识别算法，先在图像上定位条码位置，并在条码中分割出单行码字符号的图像，然后分析条码波形，计算出点扩展函数的标准方差，根据点扩展函数，重建条码波形，最后为了提高对图像噪音的抗干扰性，根据波形峰点定位条码边界，实验结果表明，基于波形分析的识别算法具有优秀的性能，显著地提高了高密度条码的识别率，满足了实际使用的要求。     

一种基于多智能体系统的机器人群组织形式

提出了一种基于多智能体的机器人群高层的分层式组织形式及运行机制，它包括机器人组织的定义、组成类型以及组成的实现算法。机器人社会中的组员既可独立隶属于一个群体，也可动态分属于多个群体，该结构不仅有效地利用了资源，而且还可以提高系统的鲁棒性和抗毁性。     

目标选择的最近邻优化算法

坦克分队作战中，攻防双方多辆坦克的火力对抗涉及到火力分配，这时每辆坦克往往向威胁自身最大的目标开火，但这种目标选择的整体效果并不是最优的。由于最优火力分配是整数规划问题，当坦克分队中坦克数量较大时，求解最优的火力分配存在时间长和计算复杂等问题。因此在作战仿真或者指挥自动化系统中，对于这一问题多采用次优算法处理。该文提出一种最近邻目标选择优化算法，使得最大限度地减轻了对方对己方(坦克分队)的威胁，从而提高了坦克作战效能。     

基于多方向二进小波变换的遥感图像特征提取方法

在分析不同分辨率图像空间特性的基础上，提出了一种基于多方向二进小波变换的图像特征提取方法．该方法首先对图像进行小波变换，然后由二进小波变换的模的局部极大值检测信号突变点位置及奇异性大小，实现图像的边缘特征提取．通过对遥感图像样本的仿真实验表明，基于多方向二进小波变换的图像边缘特征提取方法可以取得较好的边缘特征提取效果．     

在线自适应选择子空间的红外目标跟踪方法

传统基于子空间的目标跟踪方法以能量大小为准则建立子空间,没有考虑目标与背景之间的鉴别性,当两者间存在近似外观分布时将降低跟踪系统的性能。考虑到红外图像信噪比、对比度不高等特点,提出了一种以评估目标与背景间可区分能力为基础的子空间选择方法,并将该方法有效嵌入到粒子滤波跟踪框架下实现对红外目标的鲁棒跟踪。首先利用采样粒子分布以及当前目标状态,综合衡量粒子与目标间的特征分布差异和粒子逼近目标的程度来评估不同子空间的鉴别性,然后选择鉴别性最优的子空间作为下帧的跟踪子空间,从而实现对红外目标进行子空间自适应选择的鲁棒跟踪。对多个复杂场景下的目标跟踪实验表明所提出的算法要优于传统基于增量子空间学习的跟踪算法。