天然气分布式能源分阶段补贴机制

当前中国天然气分布式能源补贴政策较为欠缺,仅少数省市出台了相关政策,且补贴模式仍存在不足,亟须制定补贴指导性标准。首先结合特定项目分类方式和项目实际发展阶段规律,提出了天然气分布式能源分阶段补贴机制,同时提出了能源项目发展阶段界定办法。其次建立了基于内部收益率法的天然气分布式能源补贴测算模型,定量分析了补贴额度与能源项目内部收益率之间的关系。最后分析了上海市分阶段补贴算例,为各省市天然气分布式能源补贴政策的制定提供了参考。     

在雷达HRRP识别中多特征融合多类分类器设计

在传统线性关联向量机的基础上,设计了一种多特征融合的多类分类器.该分类器基于多类Probit回归模型将传统的两类线性关联向量机推广为多类关联向量机,利用线性关联向量机的特征选择功能,对融合的高维特征向量进行降维和合理的幂次扩展,使线性关联向量机具有构造非线性分类界面的能力,以保证对非线性多类分类问题稳健的融合识别性能.针对雷达高分辨距离像目标识别问题,提取3种平移不变特征,使用提出的多特征融合的多类分类器在基于实测数据的识别实验中得到了稳健的融合识别结果.     

一种基于变分相关向量机的特征选择和分类结合方法

相关向量机(Relevance vector machine, RVM)是一种函数形式等价于支持向量机(Support vector machine, SVM)的全概率模型,利用变分贝叶斯(Variational Bayesian, VB)方法求解的RVM可以给出所有参数的后验分布. 进一步,通过对样本所在原始特征空间的稀疏化,基于线性核的RVM可以在分类的同时实现对原始特征的线性选择. 本文在传统VB-RVM的基础上提出一种特征选择和分类结合方法. 该方法采用Probit模型将分类问题与回归问题有机地结合起来, 同时,通过对特征维的幂变换扩展,不仅在分类时增加了样本的信息量, 可以构造非线性分类面,而且实现了非线性特征选择的功能. 通过对仿真数据和实测数据分别进行实验, 证明了该特征选择和分类结合方法的实用性和有效性.     

着力解决边检工作中的沟通问题,正确处理出入境"管理"与"服务"的关系

当前,公安出入境管理工作同社会发展不相适应、影响和制约公安出入境管理工作长远发展进步的问题应引起我们的高度重视.本文从正确处理边防检查工作中存在的沟通问题,以科学的理念、改革的思维、发展的办法、创新的思路,着力研究破解制约公安出入境管理工作的难题,努力使公安出入境管理工作更好地体现时代性、把握规律性、富于创造性,推动公安出入境管理工作在新的历史起点上取得新发展、迈出新步伐.     

基于多任务复数因子分析模型的雷达高分辨距离像识别方法

传统的高分辨距离像(HRRP)统计识别方法大部分只使用雷达目标高分辨回波的幅值信息且需要大量的训练样本保证统计模型参数学习的精度。为了充分利用高分辨回波的相位信息,在雷达采样率有限、训练样本数不足的条件下保证统计识别的性能,该文提出一种多任务学习(MTL)复数因子分析(CFA)模型,将数据描述推广到复数域,将每个方位帧训练样本的统计建模视为单一的学习任务,各学习任务共享加载矩阵,利用贝塔伯努利(Beta-Bernoulli)稀疏先验自适应地选择各任务需要的因子,完成多任务的共同学习。基于实测数据的识别实验显示,与传统的单任务学习(STL)因子分析模型相比,该文提出的多任务因子分析模型具有更低的模型复杂度且在小样本条件下可以显著提高识别性能。     

基于航迹信息的飞机和气象杂波分类识别

在搜索阶段的分类识别中,当动目标可用微动信息较少时,目标的航迹信息变化不失为一个好的选择。本文首先对飞机目标和气象杂波航迹信息(幅度、距离、方位、俯仰、扫描到时间、线速度、高度等)的变化进行了分析,然后根据它们的不同,提取具有可分辨力的特征,之后利用分层识别的策略对它们分类,分层识别可以降低每个子类目标特征的分布复杂性,提高识别率的同时也可以降低系统复杂性。基于实测数据的实验结果验证了所提特征和分类方法的有效性。     

基于复数因子分析模型的步进频数据压缩感知

认知雷达发射高距离分辨率步进频信号通常需要较长的观测时间。为了节省时间资源,该文提出一种贝叶斯重构算法,用较少的步进频信号脉冲得到的频点缺失频域数据,重构出相应的全带宽频域数据。首先利用复数贝塔过程因子分析(Complex Beta Process Factor Analysis, CBPFA)模型对一组全带宽频域数据进行统计建模,求解得到其概率密度函数;然后在目标被跟踪且姿态变化不大的情况下,只发射步进频信号的部分脉冲,根据先前CBPFA模型得到的概率密度函数,对频点缺失的频域数据利用压缩感知理论和贝叶斯准则解析地重构出相应的全带宽频域数据。基于实测1维高分辨距离(High Range Resolution, HRR)数据的重构实验,证明了该文提出方法的性能。     

基于多普勒频谱的建筑物与植被场景分类技术

利用低分辨雷达对建筑物和植被进行分类具有重要意义。本文通过对两类目标在有风条件下频谱进行分析,提取具有可分辨力的特征,首先选用支持向量机(Support Vector Machine,SVM)对两类目标进行点迹级鉴别,其次通过投票法对点迹分类结果进一步融合来提高识别率,最后将雷达实测数据的实验结果与该地区高清卫星地图进行对比,验证所提方法的有效性和稳健性,并给出了该研究方法的适用条件。     

基于信号特征谱的地面运动目标分类

研究低分辨、短驻留时间下地面运动车辆目标分类问题。根据微多普勒效应,使用多散射中心模型描述轮式和履带式车辆的微动部件雷达回波。指出目标回波中的谐波数是区分轮式和履带式车辆的一个稳定特征,由此提出一种基于目标回波信号特征谱的特征提取方法。该方法能够描述目标回波中的谐波信息,同时对于平动速度变化所带来的影响具有稳健性。使用仿真数据的实验结果验证了该方法的有效性,使用实测数据的实验结果表明:该方法在分类性能上优于基于主分量分析的分类方法。