简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。
简介:为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-DimensionalPrincipalComponentAnalysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(RadarCrossSection,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(PrincipalComponentAnalysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。
简介:[目的]探讨心理资本在父母教养方式与大学生职业决策困难之间的中介作用.[方法]采用简式父母教养方式问卷中文版(S-EMBU-C)、积极心理资本问卷(PPQ)、大学生职业决策困难问卷,对抽查的300名大学生进行问卷调查.[结果]①大学生职业决策困难得分为2.71;②大学生职业决策困难存在显著的年级差异(t=3.195,p〈0.05)与专业差异(t=3.353,〈0.01);③大学生心理资本在父母过度保护与职业决策困难(c-c'=a·b=0.123,t=4.080)、父母拒绝与职业决策困难(c-c'=a·b=0.089,t=3.772)之间起部分中介作用(P〈0.001).[结论]父母教养方式可以通过心理资本影响大学生的职业决策困难,所以可以通过改变父母教养方式,提高大学生心理资本水平,以便更好的应对职业决策过程中遇到的问题.