多通道防空导弹火力单元作战仿真

对多通道防空导弹武器系统火力单元作战过程中的若干事件进行分析建模,在此基础上,建立基于可视化建模仿真环境Arena的多通道防空导弹火力单元作战仿真系统,并应用该系统对多通道防空导弹火力单元抗击空袭方饱和攻击的能力进行仿真。仿真结果证明了该系统的有效性。     

K-近邻估计协同系数的协同模糊C均值算法

针对现有协同模糊C均值算法（CFC）的协同系数不能充分描述数据子集间协同关系的问题,提出K-近邻估计协同系数的协同模糊C均值算法[(βK-CFC)]。用模糊C均值算法（FCM）求出各数据子集的隶属度和聚类中心;其次设定近邻数,求出子集在各聚类中心处的密度,形成密度矩阵;根据密度矩阵的相关性设定变化的协同系数;最后用变化的协同系数进行协同聚类。实验证明K-近邻估计协同系数的协同模糊C均值算法[(βK-CFC)]能够充分描述数据子集间的协同关系,聚类性能较好。     

基于引入概率的范例匹配新方法

针对范例匹配中的冲突问题,提出了基于引入概率的一种范例匹配新方法,并给出了概率确定、引入以及最终相似度计算的完整理论。首先采用阀值判断过滤范例;然后在模型中引入概率,并通过调整影响因子来改变引入概率对最终相似度的影响;最后计算比较最终相似度得出最优相似范例。实例证明,该方法提高了范例匹配的时效性和准确性。     

一种新的深度卷积神经网络的SLU函数

修正线性单元(rectified linear unit,ReLU)是深度卷积神经网络常用的激活函数,但当输入为负数时,ReLU的输出为零,造成了零梯度问题;且当输入为正数时,ReLU的输出保持输入不变,使得ReLU函数的平均值恒大于零,引起了偏移现象,从而限制了深度卷积神经网络的学习速率和学习效果.针对ReLU函数的零梯度问题和偏移现象,根据"输出均值接近零的激活函数能够提升神经网络学习性能"原理对其进行改进,提出SLU(softplus linear unit)函数.首先,对负数输入部分进行softplus处理,使得负数输入时SLU函数的输出为负,从而输出平均值更接近于零,减缓了偏移现象;其次,为保证梯度平稳,对SLU的参数进行约束,并固定正数部分的参数;最后,根据SLU对正数部分的处理调整负数部分的参数,确保激活函数在零点处连续可导,信息得以双向传播.设计深度自编码模型在数据集MINST上进行无监督学习,设计网中网卷积神经网络模型在数据集CIFAR-10上进行监督学习.实验结果表明,与ReLU及其相关改进单元相比,基于SLU函数的神经网络模型具有更好的特征学习能力和更高的学习精度.     

浮空器雷达支援下的地面防空武器系统作战使用研究

分析了新的空袭作战样式、复杂的电磁环境和反辐射兵器给地面防空武器系统作战带来的挑战。分析了浮空器雷达对地空导弹武器系统作战的支援方式,并讨论了浮空器雷达对这种武器系统作战使用的积极影响。