一种面向多源传感器的飞行器类型识别综合仿真方法

针对现有飞行器类型识别仿真方法主要以单传感器、单目标识别为主,没有考虑真实场景下光电、雷达、电子侦收等多种传感器设备对飞行器参数联合采集的过程,导致仿真场景不丰富、变化不够复杂的问题。构建了面向多源传感器的飞行器综合仿真平台,包括:光电模拟器,使用循环生成对抗网络生成飞行器红外图像;空情模拟器,采用三自由度飞行方法生成飞行器运动轨迹;雷达模拟器,利用椭球方程模拟目标的雷达轨迹和雷达反射截面积;电抗模拟器,通过典型信号源收集和随机噪声引入来模拟复杂电磁环境。在仿真数据集上的实验结果表明,引入多种传感器信息能有效提升目标类型的识别效果,提升模型辅助决策能力。

一种多源集中式空中目标类型综合识别方法

与单传感器相比,多源传感器收集的多方面、多类型信息对目标类型识别更有意义。针对当前空中类型识别方法特征单一,分类结果无法交叉验证、准确率低的问题,提出一种融合多源传感器特征的目标类型综合识别方法。该方法首先利用深度学习模型提取目标飞行器的光电图像、运动轨迹、RCS以及电子侦收特征。考虑到真实环境下各传感器特征的重要程度会动态变化,采用注意力机制和距离参数对特征权重进行动态分配。在仿真数据集上的实验结果表明,与单传感器模型相比,集中式方法识别准确率平均提升12.89%,识别效果提升明显;与基于层次分析法投票的分布式模型相比,集中式方法不仅能够更有效地融合多源特征,提升识别效果,并且具有更强的鲁棒性,能适应复杂环境的变化。

厦门市新型冠状病毒肺炎境外输入确诊人数的预测模型构建和评价

目的分析厦门市境外疫情输入风险,为公共卫生部门防范境外输入病例传播提供数据支撑;评估医疗资源未来是否会出现紧缺,为本地指挥部门的行政决策提供参考依据。方法构建了一个统计模型对厦门市境外输入病例进行预测。因厦门初始样本数量较少,模型首先根据广州的境外输入情况进行初始化,再基于厦门每日的疫情情况进行拟合。考虑到入境政策不断变化和各个国家(地区)疫情的快速发展,构建并维护字典来动态计算不同国家旅客的入境确诊风险权重,最后采用指数平滑法对模型进行参数更新。结果2020年3月23日至12月31日,厦门市累计报告境外输入新型冠状病毒肺炎确诊病例和无症状感染者277例,模型预测257例,F1值达到77.3%。结论该统计模型具备较好的预测能力。

胶囊神经网络在期刊文本分类中的应用

进行多种深度学习算法训练.利用向量化的胶囊神经元和动态路由机制获取文本的局部⁃整体关系,最终实现更加精准的文本分类模型.实验结果表明,在该数据集上,基于胶囊神经网络的文本分类器的准确率、精准率、召回率和F1值等多项指标均领先于其他基线算法,同时动态路由的迭代次数需要综合考虑模型的损失与训练速度.