基于神经网络的雷达点迹真伪鉴别方法

杂波是雷达信号检测和处理的固有环境,利用神经网络研究雷达杂波与真实目标分类问题。首先依据工程经验,给出雷达点迹多维特征指标,搭建神经网络。根据本文应用场景,定义模型效果评估指标,优化经典损失函数,最后给出训练结果。

基于Vague集的多目标模糊决策方法

指出了采用Vague集进行多目标模糊决策的现有计分函数的不足 ;根据Vague集的性质提出了一种新的计分函数 ;该计分函数和Vague集所具有的“投票模型”属性是完全一致的 ,并将其扩展到加权的形式 ,从而使该方法具有更好的通用性 ,所得结果也更符合人的直觉 .

Vague集之间相似度量的分析与研究

分析了现有的5种Vague集(值)之间相似度量的方法,指出这些度量方法不能准确刻画Vague集(值)之间相似度量的本质,导致了错误的推论.通过确定2个Vague值之间精确相似度存在的最小区间,得到一种新的度量方法———最小区间法.该方法不仅具有较好的特征和度量效果,而且为匹配算法的改进提供了数学基础.

基于流量和IP熵特性的DDoS攻击检测方法

针对现有DDo S(distributed deny of service)攻击检测率低、误报率较高等问题进行了深入研究。根据DDo S攻击发生时网络中的流量特性和IP熵特性,建立了相应的流量隶属函数和IP熵隶属函数,隶属函数的上下限参数通过对真实网络环境仿真得到。提出了基于流量和IP熵特性的DDo S攻击检测算法,先判断流量是否异常,再判断熵是否异常,进而判断是否发生了DDo S攻击。由仿真结果可以看出,单独依靠流量或IP熵都不能很好地检测出DDo S攻击。该算法将流量和IP熵特性综合考虑,准确地检测出了DDo S攻击,降低了误报率,提高了检测率。

Vague集(值)相似度量的比较和改进

相似度量是研究和应用vague集(值)的重要工具.本文首先介绍了vague集(值)的概念,定义了相似度.接着比较了已有的vague值的相似度量方法.用实例说明这些方法在某些情况下不适用,并分析了造成不适用的原因,进而指出影响vague集(值)相似度量的3个因素.在此基础上改进了vague值和加权vague值的相似度量方法.最后修正了vague集的相似度量方法.由于所提出的方法考虑了影响vague集(值)相似度量的各个因素,因而能避免已有方法在某些数值上的不妥.

一个基于Vague集相似度量的近似推理方法

对文献 [1 ]中提出的一种基于Vague集之间相似程度的度量方法进行了分析 ,指出了这种相似度量方法存在的缺陷。在此基础上 ,给出了一种改进的相似度量方法。同时 ,我们还给出了一种新的Vague集的交并运算规则 ,并在新的交并运算基础上 ,提出了一种基于Vague集相似度量的近似推理方法。最后 ,用实例说明了这种近似推理的推理过程。

基于Vague集的近似推理方法

针对Vague集之间相似程度的度量方法存在的缺陷 ,给出了一种新的相似度量方法 .同时 ,也提出了一种新的Vague集的交并运算规则 ,并用实例说明了基于这种相似度量的近似推理的推理过程 ,为智能系统中的近似推理提供了一个十分有用的工具 .

基于Vague集的元素间相似度量的近似推理

给出了 Vague集元素间的一个相似度量方法 ,对于模糊概念 (用 Vague集表示 )的隶属函数为连续的情况 ,将规则前件中 Vague集的论域与后件中 Vague集的论域作一一映射 ,然后给出基于 Vague集的隶属函数为连续情况下的元素间相似度量的近似推理方法 ;对于 Vague集的隶属函数为离散的情况 ,在作上述相同的映射后 ,再将规则前件中的 vague集和事实中的 Vague集的真 /假隶属函数分别进行线性插值 ,使它们都成为连续函数 ,然后给出基于

一种计算Vague集之间相似程度的新方法

从Vague集的直觉理解出发 ,提出了一种新的度量Vague集 (值 )之间相似度量的计算方法 .与文献现有的Vague集 (值 )之间相似度量的方法进行比较 ,新方法更加合理 ,更接近于人的直觉理解 ,是一种比较理想的度量Vague集 (值 )之间相似程度的计算方法 .

高斯杂波中距离扩展目标的模糊CFAR检测

为提高高分辨雷达的检测性能,提出了一种高斯杂波背景下距离扩展目标的模糊检测方法。该方法采用模糊恒虚警率(constant false alarm rate,CFAR)检测器代替传统的二进制CFAR检测器,将距离单元值转换成映射到虚警空间的模糊隶属函数值,然后采用模糊积累准则进行积累,得到检测统计量。研究了模糊代数积、模糊代数和两种积累准则,推导出这两种方法虚警概率的数学解析式。仿真结果表明,高斯杂波背景下模糊代数积积累较双门限二进制积累可获得近2 dB的性能改善。同时,模糊检测方法只采用单个检测门限,具有易于调节的优点。

一个基于未知度的Vague集(值)相似度量新方法

相似度是研究和应用Vague集(值)的重要工具。分析了现有Vague集(值)之间的相似度量方法,揭示了这些方法不能准确刻画Vague集(值)之间相似度量的本质,并总结了相似度量的一般准则,指出了影响Vague集相似度量的3个因素。在此基础上充分考虑了未知度,它为Vague集之间的相似度提供了一种更好的度量方法。最后用实例说明其应用以及该方法的有效性和直观性。

Vague集的三维表示及相似度量

A new expression of vague sets is given. Based on the reference [3,4],we discuss the definition of intersec-tion and union and some properties of vague set again ,then similarity measure and examples are presented.

Vague集及其相似度量

相似度量是Vague集研究中的一个重要内容,具有重要的理论和工程实际意义。本文首先讨论了Vague集的两种扩张原理,并结合Vague集自身的特点及其典型的背景知识,提出了两种Vague集的相似度量方法,同时分析了它们的性质。本文的结果对Vague的研究和工程应用有一定意义。

基于等量效果的Vague集转化为Fuzzy集的方法

当前Vague集转化为Fuzzy集的方法更多是根据直观,而没能详细阐述所基于的原理。为能更好理解Vague集转化为Fuzzy集的过程,考虑将Vague集转化为Fuzzy集模拟为一个最终无弃权票的多轮投票过程,从而构造了一种效果函数的定义,用以表示支持力度。并结合积分第一中值定理的意义提出了一种新的基于等量效果的转化方法,以保证在转化过程中,所关心的总效果没有发生变化。最后结合实例,严格分析了该方法的良好性质以及合理性。

分布式模糊自动删除单元平均恒虚警检测

为提高多传感器分布式恒虚警(CFAR)检测的性能,基于模糊逻辑和自动删除单元平均(ACCA)算法提出一种新的多传感器分布式CFAR检测系统(分布式模糊ACCA).系统中每个模糊ACCA-CFAR检测器根据参考单元计算出映射到虚警空间的隶属函数值,然后传给融合中心,融合中心根据这些值采用模糊融合准则进行判决。仿真结果表明:分布式模糊ACCA-CFAR不但在均匀背景下具有较低的检测损失,而且在非均匀背景下具有更好的鲁棒性;同时模糊代数积融合比二元与融合和二元或融合提供更好的检测性能。该研究成果可应用于警戒雷达系统。

加权平均模糊恒虚警检测方法研究

在模糊逻辑检测中,利用对应于"有信号"与"无信号"2个隶属度进行判决,比统计检测方法更能充分利用参考单元所提供的信息,提高检测性能。该文将模糊逻辑和单元平均(CA)算法相结合,提出一类新的CFAR检测器,称之为加权平均模糊CFAR检测器(WCAF-CFAR),它的前、后沿滑窗均采用模糊CA方法计算出映射到虚警空间的2个隶属函数值,对这2个值进行加权获得总的背景功率水平估计。GO和SO均可看成是WCAF的特例。仿真结果表明,WCAF-CFAR在均匀背景和非均匀背景下均具有不错的检测性能。

覆盖Vague集

覆盖粗糙集和Vague集都是处理不确定性问题的数学工具,它们分别是粗糙集和模糊集的扩展。已有的覆盖粗糙集模型在求上、下近似时,可能将一些实际上并非肯定属于给定集合的元素纳入到下近似中,而一些可能属于给定集合的元素却没有纳入到上近似中,这就会改变一些元素与给定集合的关系。通过深入分析论域中的元素与其相关覆盖元之间的关系,建立了覆盖Vague集。该覆盖Vague集能够从一种新的角度反映出论域中各元素与给定集合之间的从属程度。进一步研究了覆盖Vague集与覆盖粗糙集中一些重要概念之间的关系。最后讨论了当覆盖退化为划分时覆盖Vague集的特性。

Pearson杂波背景下基于模糊积累的距离扩展目标检测

研究Pearson分布杂波背景下基于模糊积累的距离扩展目标检测方法性能。推导出将观测值映射到虚警空间的隶属函数,分析了模糊代数积、模糊代数和两种积累方法的性能,并与二进制积累方法进行了比较。仿真结果表明Pd=0.5时模糊代数和积累、模糊代数积积累较二进制积累方法可分别获得广义信杂比约10dB和6dB的性能改善。

一种基于Vague集的不确定多属性决策方法

提出了一种基于Vague集的不确定多属性决策方法。首先通过定义单指标的Vague集真、假隶属函数计算每个方案的单指标Vague值,然后利用单指标Vague值加权计算得到每个方案的多指标综合Vague值,最后给出两个具有直观意义且计算简便的排序准则,利用它们对方案进行排序并选出最优方案,实例分析表明了该方法的可行性和有效性。

真值表在形式逻辑中的功能

真值表是形式逻辑中广泛使用的一种逻辑方法,也是一种非常有用的工具。利用这一工具,可以判定一个命题表达式的真值情况;命题间的等值或矛盾关系;两个命题是否有条件关系;还可以应用它确定若干命题是否有一种共同情况存在以及寻找符合题设条件的情况和推理形式是否正确。这些结果都可以利用真值表这一工具一目了然地显示。