灰关联均衡接近度在聚类中的应用

在传统聚类方法中,通常采用欧式距离作为元组间的相似性的度量,欧式距离是在多维空间中两点之间的真实距离,有时会将不同量纲的数据进行距离的计算,然而这种不同量纲数据间的欧式距离没有任何意义。为了改善聚类效果,采用灰色系统理论中的灰关联均衡接近度取代欧式距离作为元组间相似性的度量标准,得出结论:基于灰关联的均衡接近度相似性度量标准能更好的度量不同对象间的相似度,可以广泛的应用到数值型数据集的聚类中。     

基于特征值和灰度关联的双机关联定位

针对双机协同对多目标进行定位跟踪的应用背景，研究了不同侦察平台、不同侦察传感器测向数据的关联和定位问题，提出了一种双机实时关联定位方法。该方法利用各类传感器的关联特征要素建立双机同类型传感器的数据关联模型，利用B 型灰色关联度的纯方位关联算法建立同机不同类型传感器的关联矩阵，结合目标身份信息进行测向结果关联，对关联上的测向结果进行提纯、滤波和交叉定位，最后得到目标定位结果。仿真试验结果证明了该方法的有效性。     

一种基于Map/Reduce的并行化敌我识别信号关联方法

随着敌我识别侦察装备的广泛部署，其侦察数据呈现爆炸式增长，多源且复杂的海量信号侦察数据对后端数据分析提出了较高要求。针对传统敌我识别信号关联分析方法速度慢、效率低的问题，通过研究其关联流程的可拆分特性，提出了一种基于Map/Reduce的敌我识别信号聚类和关联分析方法，将传统敌我识别信号关联分析流程进行方位和时间拆解，在大数据平台上进行分布式并行计算，大幅提升了大数据量情况下的关联分析效率。实验结果表明，在数据量达到108条以上时，所提方法比传统方法计算效率高10倍以上。     

利用相位差变化趋势的多源信号关联

针对多源信号关联难度大、关联准确率低的问题，利用同一目标平台上搭载的多个辐射源信号具有一致的动态变化趋势这一特点，提出一种利用相位差特征的多源信号关联方法。已知阵列形式和侦测点位置，通过对侦收到的多个辐射源信号进行处理，获取相位差信息并累积形成相位差变化趋势；对比提取疑似相似段，根据相似性判决策略进行有效关联。该方法能有效避免不同传感器对位置测量的误差影响，相比传统基于位置信息关联的方法，能有效提升关联准确率。仿真和实测数据分析证明了该方法的有效性，在阵列形式和侦测点位置已知的条件下该方法具有重要工程意义。     

基于语义的相似性重复记录检测

本文针对数据清洗中存在的记录之间语义相似性问题，提出了一种基于语义的相似性重复记录检测方法。该方法在检测重复记录时，不仅考虑记录之间的句法相似性，还考虑了他们之间的语义相似性。     

采用目标假设的三被动式传感器数据关联算法

被动式传感器目标跟踪是多传感器多目标跟踪领域的一个重要研究方向。针对三被动式传感器多目标定位系统全局最优数据关联的三维分配问题，在允许传感器漏检和虚警的情况下，通过分析拉格朗日松弛算法，提出一种假定真实目标的快速收敛算法。该算法通过粗关联假定真实目标并重新修改代价矩阵，然后进行细关联，使得拉格朗日松弛算法在保证关联精度的前提下有效地提高了收敛速度。理论分析和实验结果表明，该算法提高了数据关联的速度,并在一定程度上提高了关联准确率。     

中国制造业竞争力

本文运用联合国统计署的进出口数据对2004年到2012年的进出口数据进行统计,计算出制造业的TC指数值,度量制造业的竞争力,得出关于36个产业形成的4种不同特征的变化趋势的结论分析。另外,根据要素密集度不同分成4种产业,计算出四大要素密集型产业的竞争力。最后,本文根据数据和图表结果分析总结原因,提出相应的提升中国制造业竞争力的政策及建议。     

多特征融合的视频镜头分割

针对传统镜头分割算法特征单一、分割效果较差等问题，提出了一种多特征融合的视频镜头分割算法。首先，通过建立一种优化模型，融合空间差异度量和感知哈希度量两种重要特征，构造一种镜头边界区分能力更强的镜头边界检测特征，即像素差异度量；其次，结合直方图差异度量，形成有效的镜头边界检测策略，以便更加准确判断是否发生镜头切换。实验结果表明，与传统算法相比，所提算法取得了较好的分割效果，具有较高的查准率和查全率。     

论大数据与统计新思维

大数据时代的到来给我们的社会和生活带来了强烈冲击,它从方方面面影响着我们的行为特征和思维方式,对于以数据为研究对象的统计学而言,为了适应大数据时代的发展就必须调整思维,在认识数据、收集数据和分析数据三个方面作出创新突破,并且从多个角度对统计工作进行改进,以积极应对大数据带来的变化。本文从大数据的认识和统计思维的变化入手,探究了统计工作应如何应对大数据。     

体系作战能力的动态化度量与指标构建方法

针对当前体系作战能力度量指标构建大多从系统层面出发、采用静态度量指标、能力属性多为定性描述、难以进行定量评估等问题，首先以作战能力的动态化度量为切入点，深入挖掘网信体系中能力、活动和度量三者之间的相互关系，形成面向能力的度量闭环；然后，从活动集合的动态重组、作战资源的深度耦合、环境条件的作用影响和作战进程的紧密关联等四个方面阐述作战能力的动态化度量特征；最后，以作战控制域为实例，进行体系作战能力的动态化度量与指标构建。该动态化度量与指标构建方法弥补了传统意义上将静态的系统性能度量指标作为作战能力的度量指标所带来的不足，有力支撑了未来作战体系的思考与建设。     

多站测向定位新算法

无源测向定位在信息对抗、导航等领域应用非常广泛。针对如何充分使用同时获得的多站测向数据,提出由两站向多站逐渐递推的目标定位新方法。仿真结果表明,最终定位精度得到了提高,给出的协方差能够真实反映目标的分布概率,新方法具有一定的工程应用价值。     

利用频移动态特征的辐射源目标盲分选

利用辐射源目标的频移动态特征进行盲分选时,针对已有的分选方法不能很好解决非合作接收数据非周期、间断、交叠的问题,提出了一种改进的逻辑回归分选算法,将信号分选转化为轨迹分类的问题来处理。首先,借鉴多目标航迹起始模型中的M/N逻辑法的框架,设计新的数据关联门限,以建立目标起始曲线;其次,采用最小二乘拟合方法替代卡尔曼滤波,设计新的外推规则,建立载频变化预测曲线;分析新的接收数据与预测曲线的关联性,不断迭代回归或形成新的分支,最后获得目标分选结果。仿真与实测试验表明,利用逻辑回归分选算法,对不同运动目标搭载的同频辐射源可进行自动分选,4个仿真目标与2个真实目标的分选正确率达到100%。同时,该方法拓展了辐射源目标盲分选中的动态频移特征应用,为辐射源个体识别提供了新的支持。     

一种敌我识别辐射源暂态信号指纹特征提取方法

信号的指纹特征是辐射源个体识别的重要依据。针对敌我识别辐射源的个体识别问题，提出了一种基于双树复小波和多重分形的信号暂态特征提取方法。该方法通过双树复小波变换实现信号多分辨率分解，求解分解信号Hilbert谱的信息熵和指数熵，计算信号的多重分形奇异指数和谱值，最终组成表征辐射源的特征向量。通过实验验证，提取的特征向量能充分代表辐射源个体之间的差异；被测信号的信噪比满足8 dB或9 dB的条件时，对辐射源的识别正确率能达到90%以上。统计分析表明该方法提取的特征具有很高的稳定性。     

基于回归神经网络的雷达辐射源识别算法

本文在研究带偏差单元内部回归神经网络（Internally Recurrent Net，IRN）算法的基础上，分析了雷达特征参数和雷达威胁类型的内在联系；利用统计分析和特征建模的方法获取先验知识、设计分类器并求取模糊隶属函数，结合IRN自学习特性和模糊隶属函数的分类功能识别出目标雷达辐射源可能的威胁类型，给出识别可信度。     

网络化辐射源个体识别技术述评

在对辐射源个体识别技术向组网协同方向发展的趋势进行探讨的基础上,提出了基于跨手段异类传感器组网协同的辐射源个体识别技术架构,分析了需要研究的基于传感器能力特性的协同识别、多维度信号特征关联融合、基于元数据的智能数据处理等关键问题。     

一种基于统计分析的解定位模糊方法

针对相位测量定位系统是否正确解辐射源位置模糊的判别问题,提出了基于相位差拟合误差均值与方差假设检验的统计判断方法,以逐步剔除错误解;对于剩余的正确辐射源位置估计,给出了提高定位精度的统计处理方法和辐射源位置估计的置信椭圆。仿真试验结果表明,提出的解模糊方法能有效降低将错误解判别为正确解的误判比例,定位结果的统计处理方法可以提升定位精度并缩小置信椭圆。所提方法对于促进相位干涉仪系统的实际应用具有积极意义。     

多源置信综合的雷达与ESM协同跟踪方法

跟踪空间邻近目标时,仅依靠运动学信息不足以实现可靠的数据关联,而基于动目标指示器（Moving Target Indicator,MTI）雷达和电子支援措施（Electronic Support Measurement,ESM）的多源异类传感器数据融合可以通过提升数据关联性能达到改善跟踪性能的目的。通过构建基于五种成比例再分配规则（Five Proportional Conflict Redistribution Rules,PCR5）置信度量的数据关联策略,将目标运动学信息和属性信息结合做多特征推理,解决异类传感器数据的不确定性和不一致性;利用Dempster-Shafer（DS）证据理论方法进行属性融合更新,完成属性信息在时间序列上的相干积累,实现空间邻近目标的可靠跟踪。该方法从数据关联和状态估计两方面联合进行改进,通过引入属性信息提升数据关联的正确性,从而提升跟踪性能,实现多源异类信息下的协同跟踪。仿真表明,相比于仅雷达跟踪、雷达和ESM序惯跟踪等方案,该方法可有效提升跟踪精度和关联性能。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题,提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性,提取信号双谱对角切片特征作为深度学习模型的输入数据,采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试,结果表明该算法能识别个体辐射源,在低信噪比条件下也能获得高的辐射源识别率;相比于其他识别算法,双谱对角切片特征有更鲁棒的分辨性。     

When and how consumers are willing to exchange data with retailers: An exploratory segmentation

Consumer data is a crucial resource for retailers. Yet accessing this data increasingly requires consumers to willingly participate in data exchange. This paper draws on social exchange theory and privacy calculus to investigate differences in consumer willingness to exchange data with retailers. Consumers are also profiled on their perceptions of retailer's use and abuse of data, along with the antecedents and outcomes of these perceptions. We employ a cross-sectional quantitative survey and collect data from a sample of 463 US consumers. For statistical analysis, we employ a latent class segmentation and identify six consumer segments which differ in their perceptions of the consumer-retailer data exchange. The key drivers of these segment differences include privacy concerns, technology readiness, and general trust of, and engagement with, retail brands. The segments also differ in their subsequent views towards the use and abuse of their data by retailers, including willingness to exchange data. Hence, when accessing and utilizing consumer data, it is important that brands identify different segments, and adapt their approach accordingly.     

基于特征融合与规则推理的目标识别

为了在干扰电磁环境下提高辐射源和平台目标识别的可靠性,建立了特征级和决策级 的分级融合识别框架,通过特征相关和匹配置信度融合进行辐射源识别,提出了基于粗糙集 规则推理目标识别决策方法。仿真结果表明该方法能增强目标识别的容错性。