基于动态行为学习的空中目标识别方法

针对空中移动目标识别问题,提出了一种基于动态行为学习的识别方法。首先,从数据源中提取目标要素,经过标注形成目标数据特征集;其次,基于应用场景进行特征组合,形成特征模型要素;然后,基于深度学习算法进行模型训练,得到评估最优的模型参数;最后,利用训练后的模型进行目标识别处理。通过数值仿真验证,该方法能够有效地识别无业务规则的目标身份。     

基于时空相似性的跨域目标关联分析方法

多业务域目标聚合是情报分析的核心问题之一,为解决跨域目标关联分析工程化实现,提出了一种时空相似计算的分析方法。首先,对接收到的目标时空数据进行处理,形成元数据;其次,按照预定义的数据模型,从元数据中抽取目标信息;再次,通过时空相似度计算,对目标间的时空信息进行分析,得到目标间的时空关系;最后,利用先验知识对目标时空关系进行约束,实现从时空关系到语义关系的转换。数值仿真验证了该方法能够简单有效地实现跨域目标关联分析。     

基于深度学习的目标行为知识发现方法

针对情报处理领域的知识动态更新问题,提出了一种基于深度学习的目标行为知识发现方法.首先,根据已有知识进行目标数据预处理,实现对目标要素补充;其次,基于已掌握行为意图的历史数据,构建目标行为特征模型;然后,基于深度学习方法实现行为规律分析,为目标识别提供知识支撑;最后,通过目标识别及识别结果的变化异常分析进行新知识发现,...     

基于无监督学习的目标轨迹预测

针对情报与侦察监视领域中目标轨迹预测问题,提出了一种基于无监督学习的预测方法。首先,根据历史信息分析目标历史活动规律;其次,构建隐马尔科夫模型,通过无监督学习自动实现预测目标在栅格网中的运动方向;最后,根据学习得到的运动方向和目标运动速度信息,计算未来短期内的目标轨迹。数值仿真验证了该方法能够有效地预测目标在未来短时刻内（通常为5 min）的运动轨迹。