一种基于自适应蚁群算法的数据关联方法

针对跟踪中多目标数据关联问题,在蚁群数据关联(ACDA)算法的基础上,提出了一种自适应蚁群数据关联方法,通过对转移概率和信息素持续度的自适应调整,改进了全局信息素更新,有效地避免了陷入局部最优问题。仿真实验证明:该算法在解决多目标数据关联问题上是行之有效的。

基于小波变换的异类传感器机动目标的模糊航迹关联

针对雷达和电子对抗测量对机动目标的航迹关联问题,提出了一种基于小波变换的模糊航迹关联算法。首先通过小波分析对航迹序列进行去噪、粗关联,然后根据目标的特性建立模糊因素子集,进行精关联。仿真实验表明:与传统的加权法相比,该算法有效地解决了机动目标航迹关联问题,并提高了航迹关联的概率。

一种基于异类传感器信息融合的目标识别方法

针对多传感器的目标识别问题,利用异类传感器数据多样性的特点,通过可信度的概念将多种数据进行融合。根据目标信息的不确定性,引入模糊物元分析法确定特性熵权,用Vague集表达目标的特征值,根据Vague度距离给出目标识别结果。实验仿真表明,异类传感器比同类传感器能更好地融合信息,提高目标识别效果。

基于模糊逻辑的多传感器管理算法

针对目标识别过程中的传感器管理问题,提出了一种基于模糊逻辑的多传感器管理算法。该算法首先运用Vague集表达识别目标的不确定性,利用自适应神经模糊推理系统度量传感器性能。通过模糊隶属函数模糊化传感器性能和目标识别特性,依据模糊推理规则实现目标识别的传感器管理。仿真结果表明,该算法合理有效、简单易行,有较好的工程实践意义。

基于遗传-蚁群算法的IFPUG的复杂度权值修正

论文针对FPA方法在软件项目估算过程中存在的主观性和局限性的问题,提出了一种基于遗传-蚁群算法的复杂度权值修正方法,该算法不仅继承了遗传算法搜索效率高、鲁棒性强的特点,同时也吸纳了蚁群算法正反馈性和并行性的优点,论文将两种算法结合使用,不仅估算精度高,而且运行速度快,通过仿真验证了论文算法的有效性。