简介:摘要随着科学技术不断的变化与发展,大数据时代的到来简化了数据分析与处理的过程,转变了数据处理的思路,这种使用互联网+数学模型的方式为人工智能的发展提供了更多的思路。本文首先对大数据以及人工智能进行概述,分析了“互联网+数学模型”技术的发展,并对“互联网+数学模型”对人工智能的影响进行了相关的研究。
简介:摘要计算机网络技术已经融入到人们的日常生活中,人们对计算机技术也十分依赖。现在,计算机技术更加精进,除了有快速计算、处理数据的能力,在未来必然能代替人力完成任务,解放人的双手,所以,人工智能技术成为全球都非常关注的热点,人工智能是计算机学科的组成部分,两者相互贯通、相互交融,两者结合也有产生良好结果。如今,大数据时代已经到来,我国亟待更新技术,赶上全球科技的发展脚步,所以,将人工智能应用于计算机网络技术当中能够使得计算机技术迈上新台阶。本文首先介绍了人工智能的概念和内容,并为计算机网络技术应用人工智能提出了几点建议,希望能够使得我国网络科技技术取得新的突破。
简介:当跟踪目标属于隐身目标、低空目标或处于强杂波和干扰环境,都会导致雷达的目标检测概率降低,丢失率较高。因此,本文着重研究PHD算法在检测概率较低的情况下跟踪稳定性不佳的缺陷,找出了一种适用于低目标检测概率的L-GMPHD滤波,通过对前一时刻状态估计值外推,若发生漏检,则将外推值加入当前时刻状态估计值中,确保了目标的状态估计不被裁剪去除。从MATLAB仿真结果可知,L-GMPHD滤波器处于检测概率较低的情况时,能够明显改善目标跟踪的稳定性。该方法能够保持高精度的多目标跟踪,具有良好的工程应用前景。
简介:天波超视距(0TH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的0THR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入“clean”算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。