期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于UML&OPN的C^4ISR系统体系结构仿真验证研究 被引量:11
1
作者 柏晓莉 姜军 +1 位作者 罗雪山 张耀鸿 《系统工程与电子技术》 EI CSCD 北大核心 2008年第4期671-676,共6页
基于UML(uniform modeling language)和Petri网的不同特点,应用UML的不同视图来描述C4ISR系统体系结构的相关产品。根据产品之间的关联,把产品的UML视图转换为对象Petri网的仿真模型。通过系统动态行为仿真模型的执行,分析体系结构的时... 基于UML(uniform modeling language)和Petri网的不同特点,应用UML的不同视图来描述C4ISR系统体系结构的相关产品。根据产品之间的关联,把产品的UML视图转换为对象Petri网的仿真模型。通过系统动态行为仿真模型的执行,分析体系结构的时序关系、信息流关系和接口关系的合理性,验证系统功能是否满足需求,系统状态的变化是否正确,从而有效、合理地评估系统的性能。 展开更多
关键词 C^4ISR系统 体系结构验证 UML 对象PETRI网 仿真
在线阅读 下载PDF
基于全变差模型与卷积神经网络的模糊图像恢复 被引量:8
2
作者 杨琼 况姗芸 冯义东 《南京理工大学学报》 CAS CSCD 北大核心 2022年第3期277-283,共7页
为了提高模糊图像恢复性能,采用全变差(TV)正则模型进行粗粒度去模糊,运用卷积神经网络(CNN)算法进行模糊图像的像素恢复。首先,根据图像包含的噪声类型选择合适的TV模型,并针对每个像素点进行原始图像和模糊图像的TV正则最小值求解,以... 为了提高模糊图像恢复性能,采用全变差(TV)正则模型进行粗粒度去模糊,运用卷积神经网络(CNN)算法进行模糊图像的像素恢复。首先,根据图像包含的噪声类型选择合适的TV模型,并针对每个像素点进行原始图像和模糊图像的TV正则最小值求解,以实现图像去模糊操作。然后,建立CNN图像恢复优化模型,将经过TV正则化后的分块图像样本作为CNN输入,结合图像信噪比(SNR)增益阈值,通过训练获得图像恢复结果。实验结果表明,采用TV正则策略及CNN的卷积优化,能够满足不同图像模糊核类别和尺寸,以及不同噪声的图像恢复需求,有效提高模糊图像的复原性能。分别采用R-L算法、反向传播神经网络(BPNN)、生成对抗网络(GAN)和TV-CNN算法对5类图像样本集进行性能仿真。通过合理设置卷积核尺寸,相比于其他模糊图像恢复算法,TV-CNN算法能够获得更优的图像恢复质量,且能够有效应对不同模糊核尺寸和不同等级噪声所带来的图像恢复难的问题。 展开更多
关键词 全变差模型 卷积神经网络 模糊图像 图像恢复 模糊核 反向传播神经网络 生成对抗网络
在线阅读 下载PDF
基于控制系统理论的项目过程管理应用研究 被引量:5
3
作者 易灵芝 王根平 《实验室研究与探索》 CAS 2004年第12期24-26,34,共4页
项目管理实际上是一个控制系统。利用控制理论可以加深对项目过程管理认识和理解。同时,一些成熟的控制理论的结果,可以很好地应用到项目管理的研究和应用中去,解决其中一些很具体的问题。这对于项目过程管理的科学化、精确化、定量化... 项目管理实际上是一个控制系统。利用控制理论可以加深对项目过程管理认识和理解。同时,一些成熟的控制理论的结果,可以很好地应用到项目管理的研究和应用中去,解决其中一些很具体的问题。这对于项目过程管理的科学化、精确化、定量化有着非常重大的意义。 展开更多
关键词 项目管理 控制系统 管理模式 过程控制
在线阅读 下载PDF
舰空导弹作战过程建模研究 被引量:1
4
作者 马颖亮 黄定东 王保乳 《计算机工程与应用》 CSCD 2013年第4期249-253,共5页
应用DoDAF对舰空导弹作战过程进行描述,基于排队论理论对作战效果进行分析,比较了平台中心作战与网络中心作战的目标分配方式和作战效率。研究表明,随着网络服务时间的增长,其服务效率将大幅下降,在到达一定时间后将劣于平台中心作战效率。
关键词 DODAF 排队论 作战效能
在线阅读 下载PDF
改进YOLOv7的轻量化交通标志检测算法 被引量:6
5
作者 李禹纬 付锐 刘帆 《太原理工大学学报》 北大核心 2024年第1期195-203,共9页
【目的】针对现有交通标志检测算法中的较大计算量和较高参数量的问题,提出一种改进YOLOv7的轻量化交通标志检测算法。【方法】该算法分为输入、提取特征的骨干网络、融合特征的颈部网络和对目标进行预测的头部网络4个部分。在骨干网络... 【目的】针对现有交通标志检测算法中的较大计算量和较高参数量的问题,提出一种改进YOLOv7的轻量化交通标志检测算法。【方法】该算法分为输入、提取特征的骨干网络、融合特征的颈部网络和对目标进行预测的头部网络4个部分。在骨干网络引入大核卷积,增大了有效感受野,提升了骨干网络提取特征的能力;检测颈部融合坐标注意力、随机池化等方法,既能构建通道注意力又能捕捉准确位置,同时提升网络的泛化能力;此外,提出集中综合深度可分离卷积模块,在减少参数量的同时更好地提取图像特征。【结果】实验结果表明,本文算法在CCTSDB2021数据集上的检测精度达到了93.13%,mAP也达到了87.59%,相较于同类型的方法有了较大的提高,该网络在较低的参数量和计算量的情况下实现了较高的精确率,不仅能够精准地捕捉交通标志的位置信息,同时能够准确地对交通标志进行预测。 展开更多
关键词 交通标志检测 轻量化 大核卷积 坐标注意力 深度可分离卷积
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部