基于文法产生式优化的设计模式识别方法

以精确的设计模式检测结果为目标,为解决设计模式识别的变体问题,提出一种基于文法产生式优化的设计模式识别方法,旨在使用可视化文法产生式描述设计模式参与者角色的属性与联系,并通过增加文法产生式描述的特征信息来识别重叠的设计模式及参与者角色间的附加关系。实验结果表明,该方法减少了设计模式识别的假阳性结果与假阴性结果,通过与主流方法的F-score评估指标比较,显示出该方法的优势。

基于Earley剖析的多功能雷达文法参数估计算法

针对基于随机上下文无关文法(stochastic context-free grammar,SCFG)建模的多功能雷达(multi-function radars,MFR)参数估计问题的研究,在原有inside-outside(IO)算法和viterbi-score(VS)算法的基础上,提出一种基于Earley剖析的多功能雷达文法参数估计算法——EIO算法。该算法将IO算法与Earley剖析相结合,通过对截获的雷达数据进行预处理,可以处理任意形式的文法产生式,对文法产生式概率进行学习,从而实现MFR文法参数估计。通过理论分析和实验仿真,EIO算法可以在减少计算复杂度、记忆复杂度和运行时间的同时,有效保持文法参数估计精度,论证了该方法的正确性和有效性。

基于随机无穷自动机的多功能雷达辐射源识别方法

针对基于随机上下文无关文法(SCFG)建模的多功能雷达(MFR)辐射源识别问题,提出了一种基于随机无穷自动机(SISA)的MFR辐射源识别方法。在文法建模的基础上,对"水星"MFR控制模块文法产生式和系统特征文法产生式进行重新构造生成SCFG,利用SCFG构造随机无穷自动机作为识别器,从而实现对测量辐射源的识别。通过理论分析和实验仿真得出:该方法能实现对MFR辐射源的识别;在一定范围内,通过增加文法产生式个数,可以提高平均识别率,且识别性能优于通过SCFG构造的随机下推自动机(SPDA)。实验结果表明了该方法的正确性和有效性。