检索结果-南通市图书馆

基于要素能力重组的水下军事网络信息体系初探

在线全文

学校读者我要写书评

暂无评论

水下无人系统学报 2021年第1期29卷 6-13页

作者：杜方键张永峰张志正中国电子科技集团公司第27研究所河南郑州450047 郑州市水下信息系统技术重点实验室河南郑州450047

随着作战维度的不断提升,传统的集中分布式系统架构及其配属的信息化武器装备已无法满足未来网络化体系作战需求,超系统、超网络、能力化及服务化的网络信息体系建设应势而生,在改变战场作战形态和战力生成模式的同时加快了战略思维和... 详细信息

随着作战维度的不断提升,传统的集中分布式系统架构及其配属的信息化武器装备已无法满足未来网络化体系作战需求,超系统、超网络、能力化及服务化的网络信息体系建设应势而生,在改变战场作战形态和战力生成模式的同时加快了战略思维和作战方法的创新。文中首先阐释了基于要素能力重组的网络信息体系概念,并对体系特征和匹配规则进行了说明,针对水下一体化联合作战提出构建基于要素能力重组的水下军事网络信息体系,在对体系能力、体系要素、交互方式分析的基础上,提出了水下军事网络信息体系架构设想及服务模式,从体系要素角度探讨了未来水下军事网络信息体系建设需要重点突破的部分发展方向,以期为未来水下军事网络信息体系建设提供参考。

关键词：网络信息体系要素能力重组服务化

在线全文

学校读者我要写书评

暂无评论

K均值聚类优化集成学习

K均值聚类优化集成学习

基于时延优化的三维成像声呐视野展宽方法研究

2011'中国西部声学学术交流会

作者：杜方键杨宏晖西北工业大学航海学院

利用Bagging算法对分类器集成可以有效的提高分类器的识别精度和稳定性。Bagging算法需要生成的子分类器差异度要大,则训练子集应有较大差异度。而采用随机采样不能保证训练子集的差异度,为此本文采用对训练样本集进行K均值聚类的方法... 详细信息

利用Bagging算法对分类器集成可以有效的提高分类器的识别精度和稳定性。Bagging算法需要生成的子分类器差异度要大,则训练子集应有较大差异度。而采用随机采样不能保证训练子集的差异度,为此本文采用对训练样本集进行K均值聚类的方法得到差异度大的训练子集,训练子分类器并获得分类识别精度。实验表明,K均值聚类算法能有效提高Bagging集成算法的分类精度并降低样本维度。

关键词： Bagging算法 K均值聚类分类器

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

声学技术 2020年第6期39卷 758-762页

作者：杜方键张永峰张志正郭小飞中国电子科技集团公司第二十七研究所河南郑州450047 郑州市水下信息系统技术重点实验室河南郑州450047 郑州宇通客车股份有限公司河南郑州450047

针对平面阵,研究并探讨了一种近场聚焦波束形成中时延参数的优化方法,以扩大三维成像声呐的有效视野范围。该方法是在方位角和俯仰角重新定义时,将精确的近场时延表达式按泰勒公式展开,取前三项,并对每一项进行加权。然后,通过求三个加... 详细信息

针对平面阵,研究并探讨了一种近场聚焦波束形成中时延参数的优化方法,以扩大三维成像声呐的有效视野范围。该方法是在方位角和俯仰角重新定义时,将精确的近场时延表达式按泰勒公式展开,取前三项,并对每一项进行加权。然后,通过求三个加权系数的偏导,再令其等于0,得出最优加权系数,此时优化的时延表达式与精确的近场时延表达式的误差最小,即优化的时延表达式更接近于精确的时延表达式,能够有效地用于扩大成像声呐的有效视野。最后,通过计算机仿真验证了该方法的有效性。

关键词：成像声呐有效视野时延参数最优加权系数

在线全文

学校读者我要写书评

暂无评论

两种半监督多类水下目标识别算法的比较

声学技术 2014年第1期33卷 10-13页

作者：杜方键杨宏晖西北工业大学航海学院陕西西安710072

基于半监督学习理论的水下目标识别系统能够从未知类别测试集中识别出已学习类别测试样本,并拒判未学习类别测试样本。描述并讨论了两种基于支持向量数据描述(Support Vector Data Description,SVDD)的半监督水下目标识别算法:半监督SVD... 详细信息

基于半监督学习理论的水下目标识别系统能够从未知类别测试集中识别出已学习类别测试样本,并拒判未学习类别测试样本。描述并讨论了两种基于支持向量数据描述(Support Vector Data Description,SVDD)的半监督水下目标识别算法:半监督SVDD与半监督SVDD集成。利用四类实测水下目标样本进行实验,训练样本为三类已知类别样本,测试样本为四类样本,包含一类未学习类别样本。对两种算法实验结果进行比较,表明半监督SVDD集成算法比半监督SVDD算法能更好地识别已学习类别测试样本,并能有效拒判未学习类别测试样本,不足之处为时间消耗与过程复杂程度比半监督SVDD算法高。

关键词：半监督水下目标识别类别测试样本支持向量数据描述分类器集成

在线全文

学校读者我要写书评

暂无评论

用于水下目标识别的选择性SVM集成算法

用于水下目标识别的选择性SVM集成算法

中国声学学会水声学分会2011年全国水声学学术会议

作者：陈兆基杨宏晖杜方键

支持向量机集成（SVME）可以提高水下目标识别的精度,但是却使得分类系统更加复杂,增加了在线识别的时间。针对这个问题,本文提出一种基于遗传算法（GA）的选择性SVME算法用于水下目标识别。利用实测的4类水下目标声数据进行分类识别仿... 详细信息

支持向量机集成（SVME）可以提高水下目标识别的精度,但是却使得分类系统更加复杂,增加了在线识别的时间。针对这个问题,本文提出一种基于遗传算法（GA）的选择性SVME算法用于水下目标识别。利用实测的4类水下目标声数据进行分类识别仿真实验。实验结果表明,GA-SVME的识别正确率在个体分类器数目减少80%后几乎没有下降,且比单个SVM高3%。实验结果证明了所提出算法的有效性。

关键词：选择性SVM集成水下目标识别遗传算法

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

水中无人作战平台发展现状与趋势分析

科技创新与应用 2019年第27期9卷 6-10页

作者：杜方键张永峰张志正高琳田明中国电子科技集团公司第二十七研究所河南郑州450047 郑州市水下信息系统技术重点实验室河南郑州450047 陕西省宝鸡市32147部队陕西宝鸡721000

以水中无人作战平台为核心的海上无人作战系统,具备高强度可重复执行高风险作战任务的能力,正在快速成长为一支强大的海战场作战力量,倍受各国海军关注。文章重点从无人水下航行器(UUV)与无人水面艇(USV)两个方面对水中无人作战平台的... 详细信息

以水中无人作战平台为核心的海上无人作战系统,具备高强度可重复执行高风险作战任务的能力,正在快速成长为一支强大的海战场作战力量,倍受各国海军关注。文章重点从无人水下航行器(UUV)与无人水面艇(USV)两个方面对水中无人作战平台的发展现状进行了详细介绍,分析了水中无人作战平台的发展趋势并给出未来发展建议。

关键词：无人作战 UUV USV

在线全文

学校读者我要写书评

暂无评论

两种SVM 集成水下目标识别方法的比较

电声技术 2020年第8期44卷 33-36页

作者：张永峰杜方键张志正中国电子科技集团公司第二十七研究所河南郑州450047 郑州市水下信息系统技术重点实验室河南郑州450047

分类器集成可有效提高分类器的识别精度和稳定性。采用Bagging算法对SVM分类器进行集成,描述并讨论了B-SVM与CB-SVM两种基于SVM集成的水下目标识别算法,并利用4类实测水下目标样本进行识别实验。实验结果表明:在一定范围内,CB-SVM算法比... 详细信息

分类器集成可有效提高分类器的识别精度和稳定性。采用Bagging算法对SVM分类器进行集成,描述并讨论了B-SVM与CB-SVM两种基于SVM集成的水下目标识别算法,并利用4类实测水下目标样本进行识别实验。实验结果表明:在一定范围内,CB-SVM算法比B-SVM算法能更好地识别测试样本,识别正确率最多提高1.56%;随着抽样数的增加,训练样本集差异性减弱并引入大量无用样本,导致分类器性能下降,同时削弱了CB-SVM算法的优势。

关键词：水下目标识别测试样本支持向量机分类器集成

一种用于风机故障诊断的免疫克隆特征选择算法

在线全文

学校读者我要写书评

暂无评论

声学技术 2012年第6期31卷 593-596页

作者：戴健杨宏晖杜方键孙进才西北工业大学航海学院西安710072

提出一种新的用于风机故障诊断的免疫克隆特征选择算法。提取了生产线上实测风机噪声的时域波形结构特征、小波分析特征及听觉谱特征,进行特征选择和故障诊断仿真实验。实验结果表明:在特征选择后的特征数目比原特征数目减少61%的情况下... 详细信息

提出一种新的用于风机故障诊断的免疫克隆特征选择算法。提取了生产线上实测风机噪声的时域波形结构特征、小波分析特征及听觉谱特征,进行特征选择和故障诊断仿真实验。实验结果表明:在特征选择后的特征数目比原特征数目减少61%的情况下,支持向量机分类器的分类正确率下降很小,分类时间显著减少。实验结果证明了该算法的有效性和鲁棒性,且能有效地应用于风机故障诊断。

关键词：免疫克隆风机故障诊断特征选择

在线全文

学校读者我要写书评

暂无评论

基于SVDD集成的水下目标识别算法研究

电声技术 2019年第8期43卷 39-43页

作者：杜方键张永峰张志正郭小飞田明中国电子科技集团公司第二十七研究所河南郑州450047 郑州市水下信息系统技术重点实验室河南郑州450047 中国人民解放军32147部队陕西宝鸡721000

针对基于距离测度的SVDD单类分类器误判率较高的缺点,开展基于支持向量数据描述的单类分类器集成学习算法研究,并对基于支持向量数据描述的多类分类过程进行分析。本文利用Bagging算法对SVDD单类分类器进行集成,利用4类实测水下目标样... 详细信息

针对基于距离测度的SVDD单类分类器误判率较高的缺点,开展基于支持向量数据描述的单类分类器集成学习算法研究,并对基于支持向量数据描述的多类分类过程进行分析。本文利用Bagging算法对SVDD单类分类器进行集成,利用4类实测水下目标样本进行识别实验,实验结果表明所提出的算法能够有效提升不易区分两类样本的分类能力,分类正确识别率能够提高4.98个百分点。

关键词： SVDD 分类器 Bagging 集成