基于Bagging-SVM动态集成的多极化HRRP识别

针对多极化高分辨率一维距离像（high range resolution profile, HRRP）在目标识别过程中存在计算量和数据量大、识别算法复杂的问题,提出一种基于Bagging-SVM动态集成的目标识别方法。该方法首先提取多极化HRRP平移不变特征向量,然后运用Bagging方法结合基于动态互信息的特征选择方法生成基分类器,最后引入基分类器差异度进行选择性集成。实验验证该方法在缩减数据规模和计算量的同时,能有效利用多极化特征信息,得到较高的分类正确率,并且松弛了HRRP目标的姿态敏感性。     

结构矢量法的模糊故障树重要度分析

针对模糊故障树分析中,重要度分析描述复杂、抽象含义不明确以及不利于重要度排序等问题,提出基于结构矢量的重要度分析方法。首先将梯形模糊数抽象为匀质梯形,将梯形模糊数的变化抽象为梯形质心的矢量变化。而后利用质心变化矢量在水平和垂直方向上的分量定义模糊故障树中故障率的变化量、梯形模糊数模糊度的变化量以及故障率的变化率。最后以某型雷达水冷系统故障为顶事件,通过重要度分析验证了所提方法的有效性。     

油田采出水的改性回注处理工艺研究

针对安塞油田采出水偏酸性、浊度高、含油量高的特征,采用"中和—H2O2氧化—絮凝—过滤"处理工艺进行回注处理,探讨了采出水的pH值、H2O2和絮凝剂投加量等因素对采出水水质改性处理效果的影响.结果表明:以NaOH作为pH调节剂将采出废水pH值调至7.5,H2O2投加体积分数为0.6%,投加XN-90、PAM的质量浓度分别为80mg/L和2.5 mg/L时,处理后采出水的悬浮物、含油量、总铁含量、静态平均腐蚀速率、SRB及TGB含量由处理前的110～145 mg/L,96.6～124.3mg/L,24.8～35.5mg/L,0.310 3mm/a,105～106个/mL和102～103个/mL分别降至处理后的1.1～6.0mg/L,2.5～6.0mg/L,0.05～0.23mg/L,0.0108mm/a和101～102个/mL,处理后采出水的各项指标达到了安塞油田注水水质标准.     

基于多元兰彻斯特方程的电火一体作战模型

为合理描述现代战争中电火一体作战过程,提出了基于兰彻斯特方程的过程描述模型。首先基于兰彻斯特第二线性律和平方律,给出不完全信息条件下的对抗模型;然后引入火力分配因子,将不完全信息模型拓展为协同对抗模型;而后在详细分析电子进攻对火力进攻影响的基础上,讨论毁伤概率和信息因子,给出电火一体条件下的多元兰彻斯特模型;最后,通过仿真验证了模型的合理性。     

安塞油田酸化返排液的H_2O_2氧化—中和—絮凝回注处理研究

针对安塞油田酸化返排液具有pH低、Fe2+含量高的特点,以H2O2为氧化剂,聚合氯化铝(PAC)和聚丙烯酰胺(PAM)为絮凝剂,采用化学氧化除铁—中和—絮凝的处理工艺对其进行处理,使处理后废水的各项水质指标能达到油田回注水的水质标准,并确定了各药剂的适宜投加量.结果表明:在H2O2、PAC和PAM投加量分别为0.2%体积分数、40 mg/L和3.0 mg/L的条件下,处理后酸化废水中悬浮固体(SS)由300～500 mg/L降低至10 mg/L,油含量由450.55 mg/L降至13.78 mg/L,总铁质量浓度和平均腐蚀速率均达到安塞油田回注水的水质要求.     

基于NSCT和ICA的红外和可见光图像融合方法

针对基于非下采样轮廓波变换（ｎｏｎ ｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ,ＮＳＣＴ）的红外和可见光图像 融合存在的目标信息不明确、融合图像对比度较低的问题,提出了ＮＳＣＴ 和独立分量分析（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏ ｎｅｎｔａｎａｌｙｓｉｓ,ＩＣＡ）的红外和可见光图像融合方法。首先采用ＮＳＣＴ 对红外和可见光图像进行多尺度、多方向分 解,然后对分解后的红外和可见光图像的低通子带系数采用基于ＩＣＡ 的图像融合方法,得到低通融合图像。再使 用以邻域系数差和信息熵为标准的带通图像融合规则对带通子带系数进行融合,得到带通融合图像。最后对低 通融合图像和带通融合图像进行ＮＳＣＴ 的逆变换,从而得到最终的融合图像。仿真实验验证了本文方法的有 效性。     

基于D-S证据理论的模糊聚类集成

针对现有集成方法在处理模糊聚类时的不足,提出一种新的模糊聚类集成方法。在证据合成的理论框架内,讨论在识别框架、概率分配函数、合成规则等问题。给出了3种基本概率分配方法：近似类别分配概率方法、归一化模糊海明距离方法以及二者证据合成的方法。分析指出合成的方法能够较好利用二者的优势进行互补,获取更为合理的基本概率分配方法。最后,通过实验讨论所提方法的参数设置、收敛性和有效性等问题。     

基于NSST域的红外和彩色可见光图像融合

为了进一步提升彩色可见光和红外图像的融合质量,提出了基于NSST和颜色空间的彩色图像融合方法.首先将RGB空间的彩色可见光图像变换到更符合人类视觉系统的颜色空间,其次利用NSST可以更好提取图像细节信息的优势,对颜色空间的非彩色分量和红外图像进行NSST分解,对分解后的低频系数采用基于方向信息测度的系数选择方案,对高频系数则采用基于隐马尔可夫树(hidden Markov tree,HMT)模型的系数选择方案,然后对经过选择融合的低、高频系数进行NSST逆变换,得到的融合图像作为新的非彩色分量,结合已有的分量将其逆变换回RGB空间,得到最终的融合图像.仿真实验证明了方法的有效性.