您的位置: 专家智库 > >

文献类型

  • 3篇中文期刊文章

领域

  • 3篇自动化与计算...
  • 1篇军事

主题

  • 3篇军事
  • 1篇信息服务
  • 1篇识别方法
  • 1篇数据仓库
  • 1篇情报
  • 1篇主题
  • 1篇网络
  • 1篇网络化
  • 1篇网络中心
  • 1篇网络中心战
  • 1篇小样本
  • 1篇目标识别
  • 1篇聚类
  • 1篇军事领域
  • 1篇军事目标
  • 1篇军事信息
  • 1篇开源
  • 1篇开源情报
  • 1篇分布式
  • 1篇WEB

机构

  • 3篇中国电子科技...
  • 1篇浙江大学

作者

  • 3篇陈龙
  • 2篇潘越
  • 2篇陆泽健
  • 2篇黄胜
  • 1篇郭继光
  • 1篇张峰

传媒

  • 2篇中国电子科学...
  • 1篇计算机应用与...

年份

  • 1篇2019
  • 2篇2017
3 条 记 录,以下是 1-3
排序方式:
网络化分布式军事信息云架构解决方案的设计与实现被引量:4
2017年
针对传统军事信息系统"烟囱"现象严重,大规模数据处理能力出现瓶颈,信息按需服务能力不足的问题,提出基于云计算和大数据技术的网络化分布式军事信息云架构解决方案。首先设计了军事信息云体系架构和软件架构,基于云计算理念将战场资源进行多域虚拟和高效整合,形成一体化资源协同军事信息云,用户通过端系统向军事信息云获取服务。其次设计军事信息云关键组成架构,包括分布式敏捷数据集成共享架构、基于大数据技术的数据仓库架构和基于实时流计算引擎的信息服务架构。基于提出的网络化分布式军事信息云架构,能够提升军事信息系统互联互通互操作、海量数据分析挖掘和信息按需精准服务能力,促进部队一体化联合作战能力形成。
潘越杨晨凯陆泽健黄胜陈龙
关键词:网络中心战数据仓库信息服务
小样本条件下基于深度森林学习模型的典型军事目标识别方法被引量:11
2019年
卷积神经网络用于一般目标识别。然而,它的卓越性能在很大程度上取决于庞大的训练数据集。但是,面对像军事目标识别任务这样的训练数据样本很少的情况,其性能会急剧下降。针对这一问题,本文设计了一种基于采用生成对抗网络与深度森林相结合的方法优化和训练识别方法。方法首先利用生成对抗网络对军事目标样本进行样本扩展,再采用主动学习的方法对所生成的样本进行优化;然后采用传统的模型增强的样本扩展方法对优化后的样本进行二次扩展;然后基于扩展后的样本,采用深度森林方法获得具有鲁棒性的网络模型,从而准确识别军事目标。实验表明,该方法具有较高的识别精度,优于其它许多算法。
陈龙张峰蒋升
关键词:目标识别小样本
面向军事领域的Web开源情报主题挖掘研究被引量:13
2017年
针对军事领域海量Web开源情报的有效分析和利用问题,提出了一种基于主题聚类的开源情报挖掘方法。基于网络爬虫从Web上自动搜集军事开源情报数据,通过解析Web网页内容提取重要情报要素,采用层次聚类算法自动生成情报主题。最后,通过实际Web数据对军事开源情报主题生成效果进行评估。实验结果表明该方法在情报主题聚类熵值、纯度和算法运行时间上均具有良好的表现。
黄胜郭继光陆泽健陈龙潘越
关键词:军事领域层次聚类
共1页<1>
聚类工具0