检测海面弱目标的神经网络集成方法

海杂波中弱小目标的检测在军用和民用领域有着重要应用价值。基于径向基函数神经网络的目标检测方法可以检测海杂波中弱小目标,但是训练样本的选择直接影响检测效果。为了减小训练样本对检测效果的影响,提出了基于神经网络集成检测海杂波中弱小目标的方法。根据子网络在验证集上的表现,赋给差异度大的子网络较大的权值,子网络的加权平均得到集成的输出。采用McMaster大学IPIX雷达实测数据的测试结果表明,该方法能够减弱训练样本的选择对目标检测效果的影响,提高检测能力。     

“移动应用开发”课程教学内容和课程体系改革

5G已经在中国开始商用。移动互联网行业对人才的需求与日俱增。为了提高人才培养的质量,适应学生的毕业要求,有必要对课程教学内容和课程体系进行改革。针对目前存在的问题,文章从课程目标、教学内容、课程体系、教学方法和考核环节等方面提出了改革方法。结果表明,教学改革提高了教学效果,增强了学生的实践动手能力。     

改进的分形检测海面漂浮小目标方法

为了提高海杂波中漂浮小目标的检测概率,提出了一种改进的分形检测海面漂浮小目标方法。首先,利用去趋势波动分析方法计算海杂波的分形维数;其次,利用计算过程中的“副产品”——截距组成二维判决空间;最后,通过聚类分析,检测出海杂波中的漂浮小目标。在实测数据基础上对改进算法进行了验证,结果表明：海杂波和小目标在判决空间存在明显的差异性;与Hurst指数法、神经网络集成预测法等方法比较,改进算法提高了目标检测概率;交叉极化方式（HV、VH）的检测效果优于同极化方式(HH、VV)的检测效果。