作战辅助系统中基于深度学习的投影图像颜色补偿方法

为了在复杂环境下实现显示系统的快速布置,提高现代战争中野外指挥系统建立的机动性,提出一种基于深度学习的投影图像颜色补偿方法,实现大规模数据在任意复杂颜色平面的可视化显示。该方法利用端到端的深度学习网络,基于一个模型和一个目标函数,规避了深度学习中多模块固有的缺陷;通过增加CompenNet网络层数,增加训练模型中图像特征的提取数量;采用改进的损失函数SSIM+Smooth L1计算图像相似度,增强损失函数的鲁棒性和稳定性,同时加快网络的收敛速度。实验结果显示,改进的CompenNet网络在相同24个数据集上训练迭代1000次后,生成的图像峰值信噪比平均值提高5.54%,结构相似性平均值提高0.14%,均方根误差平均值降低0.14%,人眼主观感知投影效果也表现得更好。

分布式作战计划辅助生成系统研究

文中针对高技术条件下空中战役特点给作战计划带来的复杂性、协作性和使其非结构化或半结构优越来越突出等问题，提出了一种基于ＣＳＣＷ技术和 ＡＩ技术相结合的新的计划制定方式－分布式作战计划辅助生成系统（ＤＯＰＧＳ），以适应未来高技术战争的需要，达到解决作战指挥中存在的计划手段落后、计划制定效率低等目的．

面向服务的作战辅助决策系统体系架构研究

作战辅助系统是一个多功能的集成系统,包括了信息分析及处理,从而对指挥及决策提供相应的帮助。该文就面向服务的作战辅助决策系统体系架构研究做简要阐述,为系统的应用提供一定的参考。

作战辅助决策系统中作战模型开发与调用的研究

本文针对作战辅助决策系统中作战模型开发与调用存在的问题,提出了规范化建议,包括作战模型开发流程、开发准则、参数传递,作战模型测试与验收,以及作战模型调用流程、调用方式等,可为作战模型的开发与调用提供参考。