基于信息熵的目标平台识别方法

目标平台识别是雷达对抗侦察任务中的一项重要内容。现有的目标平台与辐射源识别结果关联方法未对目标配属辐射源的特征信息进行利用,存在着一定的模糊性。利用信息熵提取目标平台配属辐射源的特征信息,并以此对目标平台进行关联和可信度赋值。方法实现简单,获得的结果可以直接参与多传感器融合的目标识别处理,具有较强的实用性。     

基于模糊理论的地面三维目标识别方法

本文就模糊理论在模式识别领域中的应用 ,对地面三维目标进行模糊模式识别的实现做了一些研究工作 .利用成熟的二维图像识别技术与多对一模型和目标类型建库方法的结合 ,完成对三维目标的识别     

基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路.     

综合目标识别系统方法和原理讨论

本文对建立综合目标识别系统的方法、原理进行了分析和讨论,并在此基础上,提出了关键技术的解决方法。     

一种工程化的双门限辐射源目标识别方法

针对辐射源数量多、运动速度差异大、信息处理时效性要求高等特点,提出一类双门限辐射源目标识别方法;该方法首先构造信号与目标的相似度度量,通过双门限检测得到辐射源信号不属于任何目标、信号属于某个目标、模糊三类判定结论,对于模糊判定结果,构造差值门限进一步减小不确定性,提高目标识别能力;仿真结果表明所提出的方法能够快速有效地实现目标识别,便于工程化应用。     

基于多目标决策和关联分析的目标客户研究

基于模糊的关联分析是目前研究的新方向.基于关联分析的概念,从多目标线性规划问题算法出发,研究了Apriori的模糊关联分类方法,并提出改进的CFACA算法存储结构和流程设计.通过对移动通信客户成长性的模糊关联分析,得到了比较理想的关联规则.     

基于粗糙集的决策树雷达辐射源识别方法

关于优化识别雷达辐射源问题,雷达辐射源信号受到外界环境影响和各种干扰,造成识别困难.为解决上述问题,提出了一种新的决策树雷达辐射源识别方法.首先,应用粗糙集理论对雷达辐射源信号进行分析.通过离散化、属性约简,得到分类结果对于各条件属性的重要度.根据各条件属性重要度来确定各属性信息量的相对大小,建立决策树.该方法简化了决策树的结构,并改进了传统的决策树的建立方法.选取雷达信号的主要参数特征进行了仿真.仿真结果验证了改进方法的有效性与可靠性.为消除噪声,正确识别结果提供了依据.     

一种基于模糊融合的遥感图像目标识别方法

数据融合利用多传感器的信息,克服了单一传感器信息不完整、不精确、不确定的缺点,因此广泛应用于目标识别中,该文提出了一种基于模糊融合的遥感图像目标识别的新方法。首先在单源图像上提取可疑目标,然后根据目标在不同类型图像上的成像特点,选择合适的目标特征,充分考虑到各特征的重要程度,把模糊隶属度函数和模糊密度结合起来,最后利用特征层模糊融合对目标的身份进行判定。此方法应用在实际目标的识别中,取得了很好的效果。     

一种基于模糊自动机的目标识别方法

为更好地识别目标,提出一种基于模糊自动机的目标识别系统.该系统先对图像进行处理,然后对目标识别.系统包括图像预处理、特征提取、目标匹配和实验4个部分.与现有的其它方法相比,本文方法利用目标图像的全局特征和局部特征,并运用模糊自动机进行目标识别.仿真结果表明,基于模糊自动机的目标识别效果比现有其它识别方法的识别效果要好,其正确识别率高达94.59%.     

基于场景先验知识的室内人体行为识别方法

目前,室内人体行为识别技术被广泛应用于视频内容理解、居家养老、医疗护理等领域,现有研究方法更多的是对人体行为进行建模,忽略了视频中场景与人体行为间的联系。为了充分利用场景信息与室内人体运动的关联性,文中对基于场景先验知识的室内人体行为识别方法进行了研究,提出了一种基于场景先验知识的双流膨胀3D行为识别网络(Scene-Prior Know-ledge Inflated 3D ConvNet, SPI3D)。首先使用ResNet152网络提取场景特征进行场景分类,再基于场景分类的结果,引入量化后的场景先验知识,通过对权值进行约束来优化总体目标函数。另外,针对现有数据集多聚焦于人体行为特征、场景复杂且场景特征不明显的问题,自建了室内场景-行为识别数据集(Scene-Action DataBase, SADB)。实验结果表明,在SADB数据集上,SPI3D网络的识别准确率为87.9%,比直接利用I3D网络的识别准确率高6%。由此可见,引入场景先验知识后的室内人体行为识别模型具有更好的表现。     

Incorporating prior knowledge in fuzzy model identification

This paper presents an algorithm for incorporating a priori knowledge into data-driven identification of dynamic fuzzy models of the Takagi-Sugeno type. Knowledge about the modelled process such as its stability, minimal or maximal static gain, or the settling time of its step response can be translated into inequality constraints on the consequent parameters. By using input-output data, optimal parameter values are then found by means of quadratic programming. The proposed approach has been applied to the identification of a laboratory liquid level process. The obtained fuzzy model has been used in model-based predictive control. Real-time control results show that, when the proposed identification algorithm is applied, not only are physically justified models obtained but also the performance of the model-based controller improves with regard to the case where no prior knowledge is involved.     

基于先验知识的自适应检测波形设计

研究了基于先验知识的认知雷达自适应检测波形设计问题,推导了发射波形对于检测性能影响的闭式解并提出了一种基于交替投影法的波形优化算法。算法根据所推导出的检测概率与发射波形、接收机滤波器之间关系的闭式表达式,通过联合优化发射波形和接收机滤波器,达到提高接收机的检测概率和降低信号相关杂波负面影响的目的。分析仿真结果可知,所设计波形的检测性能优于传统的恒包络LFM波形。当采用多组初始波形进行迭代优化时,检测概率趋向于相同值,这表明该算法的收敛性良好。     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一,而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识,提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况,提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元,在图斑约束空间内实现了分类样本的自动化区域选择和特征提取,并获得了高置信度知识,然后利用这些分类样本训练深度残差网络,从而实现大区域影像的精确分类。以常州市新北区为例进行实验,选用该区域2009年土地利用现状数据作为先验数据,2014年Landsat 8 OLI影像作为待分类影像。实验结果表明,所提方法可融合不精准先验知识,对大面积连片LULC信息分类精确,主要地类图斑界限准确,全图分类图斑精度达到了88.7%,Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法

遥感影像解译是获得土地利用和土地覆盖（LULC）信息最为重要的途径之一，而自动化分类是提高LULC信息获取效率的关键。实际场景中包含大量不精准的先验知识，提取并融合其中的可用知识能进一步提高影像分类方法的精度、自动化率和规模应用能力。基于上述情况，提出了一种融合不精准先验知识的Landsat 8 OLI影像深度学习分类方法。该方法可自动规避先验知识中的不精准单元，在图斑约束空间内实现了分类样本的自动化区域选择和特征提取，并获得了高置信度知识，然后利用这些分类样本训练深度残差网络，从而实现大区域影像的精确分类。以常州市新北区为例进行实验，选用该区域2009年土地利用现状数据作为先验数据，2014年Landsat 8 OLI影像作为待分类影像。实验结果表明，所提方法可融合不精准先验知识，对大面积连片LULC信息分类精确，主要地类图斑界限准确，全图分类图斑精度达到了88.7%，Kappa系数为0.842。该方法能配合深度学习方法实现高精度Landsat 8 OLI遥感影像分类。     

基于功能本体的设计知识共享平台

为弥补制造业中设计知识在共享和重用方面的缺陷,提出一种基于功能本体的设计知识共享策略。使用功能本体实现现有产品结构到其功能的映射,利用功能分解树表达产品的设计原理。首先,介绍了功能本体的基本框架;然后,分析了功能分解树在产品设计中的作用;最后,通过实现一个家电领域设计知识共享平台,验证所提出的共享策略的可行性。实验结果表明,该策略能有效实现制造业设计知识的信息检索、共享和重用,可以缩短产品的开发周期。     

基于先验知识的非负矩阵半可解释三因子分解算法

非负矩阵三因子分解是潜在因子模型中的重要组成部分,由于能将原始数据矩阵分解为三个相互约束的潜因子矩阵,被广泛应用于推荐系统、迁移学习等研究领域,但目前还没有非负矩阵三因子分解的可解释性方面的研究工作.鉴于此,将用户评论文本信息当作先验知识,设计了一种基于先验知识的非负矩阵半可解释三因子分解(PE-NMTF)算法.首先利...     

基于先验信息和谱分析的聚类融合算法

在聚类过程中利用先验信息能显著提高聚类算法的性能,但已存在的聚类融合算法很少考虑到数据集的先验信息。基于先验信息和谱分析,提出一种聚类融合算法,将成对限制信息引入到谱聚类算法中,用受限的谱聚类算法产生聚类成员,再采用基于互联合矩阵的集成方法生成最后的聚类结果。实验结果表明,利用先验信息能有效提高聚类的效果。     

基于ECM理念构建电信级知识内容管理平台的研究

分析运营商在知识内容管理方面的需求发展趋势,进一步梳理知识内容管理的核心概念,通过对业界流行的ECM(企业内容管理)体系的解读和借鉴,以全新的视角来关注"知识库"的建设思路,从而提出知识内容管理平台的电信级解决方案.     

A multi-objective model for discovering high-quality knowledge based on data quality and prior knowledge

Discovering knowledge from data means finding useful patterns in data, this process has increased the opportunity and challenge for businesses in the big data era. Meanwhile, improving the quality of the discovered knowledge is important for making correct decisions in an unpredictable environment. Various models have been developed in the past; however, few used both data quality and prior knowledge to control the quality of the discovery processes and results. In this paper, a multi-objective model of knowledge discovery in databases is developed, which aids the discovery process by utilizing prior process knowledge and different measures of data quality. To illustrate the model, association rule mining is considered and formulated as a multi-objective problem that takes into account data quality measures and prior process knowledge instead of a single objective problem. Measures such as confidence, support, comprehensibility and interestingness are used. A Pareto-based integrated multi-objective Artificial Bee Colony (IMOABC) algorithm is developed to solve the problem. Using well-known and publicly available databases, experiments are carried out to compare the performance of IMOABC with NSGA-II, MOPSO and Apriori algorithms, respectively. The computational results show that IMOABC outperforms NSGA-II, MOPSO and Apriori on different measures and it could be easily customized or tailored to be in line with user requirements and still generates high-quality association rules.     

语义为核心的多文种信息处理平台的模型

提出了一个基于语义、面向自然语言处理的多文种信息处理平台的模型SMIPP.该模型主要由应用程序/用户接口层、文字输入层和文字输出层、信息处理服务层、语料库层、多文种代码体系SemaCode层和语言Ontology层组成,该平台把各种语言文字统一用具有自描述能力的SemaCode表示,并通过语言Ontology来表示词汇的语义以及在各个文种间的联系,再通过服务形式提供各种基于语料库的文字信息处理功能,是一个全新的多文种信息处理模型.