最新章節

• 反侵權盜版聲明
• 參考文獻
• 9.5 本章小結
• 9.4.4 目標研判識別
• 9.4.3 數據挖掘分析
• 9.4.2 數據存儲管理

• 反侵權盜版聲明 更新時間：2024-02-01 14:40:54
• 參考文獻
• 9.5 本章小結
• 9.4.4 目標研判識別
• 9.4.3 數據挖掘分析
• 9.4.2 數據存儲管理
• 9.4.1 數據收集整編
• 9.4 梳理高效、完善的數據處理分析流程
• 9.3.4 應用層
• 9.3.3 基礎應用層
• 9.3.2 云操作系統層
• 9.3.1 物理支撐層
• 9.3 搭建安全穩定、高可擴展的云架構
• 9.2.3 部隊級分析中心
• 9.2.2 區域級分析中心
• 9.2.1 全國級分析中心
• 9.2 構建物理上平等、管理上分層的組織架構
• 9.1.4 基于ZooKeeper的平臺高可用
• 9.1.3 基于Ambari的平臺監控管理
• 9.1.2 基于Spark的分布式并行計算
• 9.1.1 基于Hadoop的分布式數據存儲
• 9.1 平臺的總體規劃
• 第9章 預警情報智能分析平臺構想
• 8.5 本章小結
• 8.4.4 算法的適用范圍分析
• 8.4.3 關聯序列模式的分析效果
• 8.4.2 關聯共現模式的分析效果
• 8.4.1 試驗環境及數據來源
• 8.4 預警目標關聯關系分析算法效果試驗
• 8.3.5 幾種方法比較
• 8.3.4 基于PrefixSpan算法的頻繁項集挖掘分析
• 8.3.3 基于GSP算法的頻繁項集挖掘分析
• 8.3.2 基于FP-Growth算法的頻繁項集挖掘分析
• 8.3.1 基于Apriori算法的頻繁項集挖掘分析
• 8.3 基于關聯規則的預警目標關聯關系分析
• 8.2.2 連續屬性離散化
• 8.2.1 事務數據集構建流程
• 8.2 事務數據集構建
• 8.1.3 關聯關系挖掘分析基礎概念
• 8.1.2 關聯關系挖掘分析方法
• 8.1.1 關聯關系挖掘分析內容
• 8.1 關聯關系規律分析概述
• 第8章 預警目標關聯關系智能分析算法
• 7.5 本章小結
• 7.4.4 編碼方式對分類效果的影響
• 7.4.3 基于BP網絡的空域分類效果
• 7.4.2 基于SVC的空域分類效果
• 7.4.1 試驗環境及數據生成
• 7.4 兩類分類分析算法試驗驗證
• 7.3.3 兩種方法比較
• 7.3.2 基于改進的BP網絡的預警目標空域規律分析
• 7.3.1 基于SVC的預警目標空域規律分析
• 7.3 基于分類的預警目標空域規律分析
• 7.2.3 空域編碼數據處理
• 7.2.2 空域編碼方法
• 7.2.1 空域編碼研究現狀
• 7.2 預警目標空域編碼及數據處理
• 7.1.3 空域規律分析方法
• 7.1.2 空域規律分析流程
• 7.1.1 空域規律概念
• 7.1 預警目標空域規律概述
• 第7章 預警目標空域規律智能分析算法
• 6.5 本章小結
• 6.4.3 基于DBSCAN算法的航跡聚類效果
• 6.4.2 基于K-Means++算法的航跡聚類效果
• 6.4.1 航跡特征提取效果
• 6.4 預警目標航線規律分析算法試驗驗證
• 6.3.3 兩種聚類算法的比較
• 6.3.2 基于DBSCAN算法的航跡聚類
• 6.3.1 基于K-Means++算法的航跡聚類
• 6.3 基于聚類的預警目標航線規律分析
• 6.2.3 基于改進的自適應擬合算法的航跡特征提取
• 6.2.2 基于擬合算法的航跡特征提取
• 6.2.1 預警目標航跡特征提取方法
• 6.2 預警目標航跡特征提取
• 6.1.3 預警目標航線規律分析方法
• 6.1.2 預警目標航線規律分析流程
• 6.1.1 預警目標航線規律概念
• 6.1 預警目標航線規律概述
• 第6章 預警目標航線規律智能分析算法
• 5.5 本章小結
• 5.4.3 仿真結果與分析
• 5.4.2 試驗數據
• 5.4.1 模型設置
• 5.4 預警目標回波顯影特征智能提取算法試驗驗證
• 5.3.3 防止模型過擬合
• 5.3.2 更新模型參數
• 5.3.1 選取激活函數
• 5.3 基于改進的CNN的預警目標回波顯影特征提取
• 5.2.4 輸出層構造
• 5.2.3 全連接層構造
• 5.2.2 池化層構造
• 5.2.1 卷積層構造
• 5.2 基于CNN的預警目標回波顯影特征提取
• 5.1.3 預警目標回波顯影特征提取方法
• 5.1.2 預警目標回波顯影特征提取流程
• 5.1.1 預警目標回波顯影概念
• 5.1 預警目標回波顯影特征概述
• 第5章 預警目標回波顯影特征智能提取算法
• 4.5 本章小結
• 4.4.4 三種算法對比
• 4.4.3 DMPSO-LSTM算法驗證
• 4.4.2 PSO-LSTM算法驗證
• 4.4.1 LSTM算法驗證
• 4.4 預警目標RCS特征智能提取算法試驗驗證
• 4.3.3 基于DMPSO-LSTM的預警目標RCS特征提取
• 4.3.2 基于DMPSO的參數優化算法
• 4.3.1 基于LSTM的預警目標RCS特征提取模型
• 4.3 基于DMPSO-LSTM的預警目標RCS特征智能提取
• 4.2.2 計算預警目標RCS值
• 4.2.1 選取有效航跡點
• 4.2 基于雷達方程的預警目標RCS特征提取
• 4.1.3 預警目標RCS特征提取方法
• 4.1.2 預警目標RCS特征提取流程
• 4.1.1 預警目標RCS特征概念
• 4.1 預警目標RCS特征智能提取概述
• 第4章 預警目標雷達散射截面積特征智能提取算法
• 3.5 本章小結
• 3.4.3 GA-KNN算法驗證
• 3.4.2 驗證數據準備
• 3.4.1 驗證環境準備
• 3.4 預警目標有效運動特征智能提取算法試驗驗證
• 3.3.4 更新運動特征種群
• 3.3.3 計算特征有效率
• 3.3.2 計算距離及分類
• 3.3.1 初始化運動特征種群
• 3.3 基于GA-KNN的預警目標有效運動特征智能提取
• 3.2.3 全域提取
• 3.2.2 分域提取
• 3.2.1 數據積累
• 3.2 基于大數據的預警目標運動特征提取
• 3.1.3 預警目標有效運動特征提取方法
• 3.1.2 預警目標有效運動特征提取流程
• 3.1.1 預警目標有效運動特征概念
• 3.1 預警目標有效運動特征提取概述
• 第3章 預警目標有效運動特征智能提取算法
• 2.4 本章小結
• 2.3.3 非結構化數據存儲
• 2.3.2 結構化數據存儲
• 2.3.1 存儲管理架構
• 2.3 數據存儲
• 2.2.5 數據整編
• 2.2.4 數據規約
• 2.2.3 數據變換
• 2.2.2 數據清洗
• 2.2.1 數據集成
• 2.2 數據預處理
• 2.1.3 數據收集方式
• 2.1.2 數據收集種類
• 2.1.1 數據主要來源
• 2.1 數據收集
• 第2章 預警情報智能分析數據基礎
• 1.5 本章小結
• 1.4.5 聚類算法
• 1.4.4 關聯算法
• 1.4.3 分類算法
• 1.4.2 神經網絡算法
• 1.4.1 智能優化算法
• 1.4 預警情報智能分析算法基礎
• 1.3.4 作戰指揮精準高效的重要基礎
• 1.3.3 情報質量提升的重要途徑
• 1.3.2 空天預警作戰的重要環節
• 1.3.1 軍事情報工作的重要組成
• 1.3 預警情報分析的地位與作用
• 1.2.3 預警情報分析的發展
• 1.2.2 軍事情報分析的發展
• 1.2.1 情報分析的演進
• 1.2 預警情報分析的發展現狀
• 1.1.4 預警情報分析內涵與外延
• 1.1.3 預警情報分析
• 1.1.2 傳統情報分析
• 1.1.1 預警情報
• 1.1 預警情報分析的相關概念
• 第1章 緒論
• 前言
• 《預警情報智能分析算法》撰寫組
• 內容簡介
• 版權信息
• 封面

• 封面
• 版權信息
• 內容簡介
• 《預警情報智能分析算法》撰寫組
• 前言
• 第1章 緒論
• 1.1 預警情報分析的相關概念
• 1.1.1 預警情報
• 1.1.2 傳統情報分析
• 1.1.3 預警情報分析
• 1.1.4 預警情報分析內涵與外延
• 1.2 預警情報分析的發展現狀
• 1.2.1 情報分析的演進
• 1.2.2 軍事情報分析的發展
• 1.2.3 預警情報分析的發展
• 1.3 預警情報分析的地位與作用
• 1.3.1 軍事情報工作的重要組成
• 1.3.2 空天預警作戰的重要環節
• 1.3.3 情報質量提升的重要途徑
• 1.3.4 作戰指揮精準高效的重要基礎
• 1.4 預警情報智能分析算法基礎
• 1.4.1 智能優化算法
• 1.4.2 神經網絡算法
• 1.4.3 分類算法
• 1.4.4 關聯算法
• 1.4.5 聚類算法
• 1.5 本章小結
• 第2章 預警情報智能分析數據基礎
• 2.1 數據收集
• 2.1.1 數據主要來源
• 2.1.2 數據收集種類
• 2.1.3 數據收集方式
• 2.2 數據預處理
• 2.2.1 數據集成
• 2.2.2 數據清洗
• 2.2.3 數據變換
• 2.2.4 數據規約
• 2.2.5 數據整編
• 2.3 數據存儲
• 2.3.1 存儲管理架構
• 2.3.2 結構化數據存儲
• 2.3.3 非結構化數據存儲
• 2.4 本章小結
• 第3章 預警目標有效運動特征智能提取算法
• 3.1 預警目標有效運動特征提取概述
• 3.1.1 預警目標有效運動特征概念
• 3.1.2 預警目標有效運動特征提取流程
• 3.1.3 預警目標有效運動特征提取方法
• 3.2 基于大數據的預警目標運動特征提取
• 3.2.1 數據積累
• 3.2.2 分域提取
• 3.2.3 全域提取
• 3.3 基于GA-KNN的預警目標有效運動特征智能提取
• 3.3.1 初始化運動特征種群
• 3.3.2 計算距離及分類
• 3.3.3 計算特征有效率
• 3.3.4 更新運動特征種群
• 3.4 預警目標有效運動特征智能提取算法試驗驗證
• 3.4.1 驗證環境準備
• 3.4.2 驗證數據準備
• 3.4.3 GA-KNN算法驗證
• 3.5 本章小結
• 第4章 預警目標雷達散射截面積特征智能提取算法
• 4.1 預警目標RCS特征智能提取概述
• 4.1.1 預警目標RCS特征概念
• 4.1.2 預警目標RCS特征提取流程
• 4.1.3 預警目標RCS特征提取方法
• 4.2 基于雷達方程的預警目標RCS特征提取
• 4.2.1 選取有效航跡點
• 4.2.2 計算預警目標RCS值
• 4.3 基于DMPSO-LSTM的預警目標RCS特征智能提取
• 4.3.1 基于LSTM的預警目標RCS特征提取模型
• 4.3.2 基于DMPSO的參數優化算法
• 4.3.3 基于DMPSO-LSTM的預警目標RCS特征提取
• 4.4 預警目標RCS特征智能提取算法試驗驗證
• 4.4.1 LSTM算法驗證
• 4.4.2 PSO-LSTM算法驗證
• 4.4.3 DMPSO-LSTM算法驗證
• 4.4.4 三種算法對比
• 4.5 本章小結
• 第5章 預警目標回波顯影特征智能提取算法
• 5.1 預警目標回波顯影特征概述
• 5.1.1 預警目標回波顯影概念
• 5.1.2 預警目標回波顯影特征提取流程
• 5.1.3 預警目標回波顯影特征提取方法
• 5.2 基于CNN的預警目標回波顯影特征提取
• 5.2.1 卷積層構造
• 5.2.2 池化層構造
• 5.2.3 全連接層構造
• 5.2.4 輸出層構造
• 5.3 基于改進的CNN的預警目標回波顯影特征提取
• 5.3.1 選取激活函數
• 5.3.2 更新模型參數
• 5.3.3 防止模型過擬合
• 5.4 預警目標回波顯影特征智能提取算法試驗驗證
• 5.4.1 模型設置
• 5.4.2 試驗數據
• 5.4.3 仿真結果與分析
• 5.5 本章小結
• 第6章 預警目標航線規律智能分析算法
• 6.1 預警目標航線規律概述
• 6.1.1 預警目標航線規律概念
• 6.1.2 預警目標航線規律分析流程
• 6.1.3 預警目標航線規律分析方法
• 6.2 預警目標航跡特征提取
• 6.2.1 預警目標航跡特征提取方法
• 6.2.2 基于擬合算法的航跡特征提取
• 6.2.3 基于改進的自適應擬合算法的航跡特征提取
• 6.3 基于聚類的預警目標航線規律分析
• 6.3.1 基于K-Means++算法的航跡聚類
• 6.3.2 基于DBSCAN算法的航跡聚類
• 6.3.3 兩種聚類算法的比較
• 6.4 預警目標航線規律分析算法試驗驗證
• 6.4.1 航跡特征提取效果
• 6.4.2 基于K-Means++算法的航跡聚類效果
• 6.4.3 基于DBSCAN算法的航跡聚類效果
• 6.5 本章小結
• 第7章 預警目標空域規律智能分析算法
• 7.1 預警目標空域規律概述
• 7.1.1 空域規律概念
• 7.1.2 空域規律分析流程
• 7.1.3 空域規律分析方法
• 7.2 預警目標空域編碼及數據處理
• 7.2.1 空域編碼研究現狀
• 7.2.2 空域編碼方法
• 7.2.3 空域編碼數據處理
• 7.3 基于分類的預警目標空域規律分析
• 7.3.1 基于SVC的預警目標空域規律分析
• 7.3.2 基于改進的BP網絡的預警目標空域規律分析
• 7.3.3 兩種方法比較
• 7.4 兩類分類分析算法試驗驗證
• 7.4.1 試驗環境及數據生成
• 7.4.2 基于SVC的空域分類效果
• 7.4.3 基于BP網絡的空域分類效果
• 7.4.4 編碼方式對分類效果的影響
• 7.5 本章小結
• 第8章 預警目標關聯關系智能分析算法
• 8.1 關聯關系規律分析概述
• 8.1.1 關聯關系挖掘分析內容
• 8.1.2 關聯關系挖掘分析方法
• 8.1.3 關聯關系挖掘分析基礎概念
• 8.2 事務數據集構建
• 8.2.1 事務數據集構建流程
• 8.2.2 連續屬性離散化
• 8.3 基于關聯規則的預警目標關聯關系分析
• 8.3.1 基于Apriori算法的頻繁項集挖掘分析
• 8.3.2 基于FP-Growth算法的頻繁項集挖掘分析
• 8.3.3 基于GSP算法的頻繁項集挖掘分析
• 8.3.4 基于PrefixSpan算法的頻繁項集挖掘分析
• 8.3.5 幾種方法比較
• 8.4 預警目標關聯關系分析算法效果試驗
• 8.4.1 試驗環境及數據來源
• 8.4.2 關聯共現模式的分析效果
• 8.4.3 關聯序列模式的分析效果
• 8.4.4 算法的適用范圍分析
• 8.5 本章小結
• 第9章 預警情報智能分析平臺構想
• 9.1 平臺的總體規劃
• 9.1.1 基于Hadoop的分布式數據存儲
• 9.1.2 基于Spark的分布式并行計算
• 9.1.3 基于Ambari的平臺監控管理
• 9.1.4 基于ZooKeeper的平臺高可用
• 9.2 構建物理上平等、管理上分層的組織架構
• 9.2.1 全國級分析中心
• 9.2.2 區域級分析中心
• 9.2.3 部隊級分析中心
• 9.3 搭建安全穩定、高可擴展的云架構
• 9.3.1 物理支撐層
• 9.3.2 云操作系統層
• 9.3.3 基礎應用層
• 9.3.4 應用層
• 9.4 梳理高效、完善的數據處理分析流程
• 9.4.1 數據收集整編
• 9.4.2 數據存儲管理
• 9.4.3 數據挖掘分析
• 9.4.4 目標研判識別
• 9.5 本章小結
• 參考文獻
• 反侵權盜版聲明 更新時間：2024-02-01 14:40:54