基于贝叶斯网络的舰船识别

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (17): 223-225.

基于贝叶斯网络的舰船识别

王庆江，高晓光

西北工业大学电子信息学院，西安 710072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-06-11 发布日期:2007-06-11
通讯作者: 王庆江

Identify ships based on Bayes network

WANG Qing-jiang，GAO Xiao-guang

School of Electronic and Information，Northwestern Polytechnical University，Xi’an 710072，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-06-11 Published:2007-06-11
Contact: WANG Qing-jiang

摘要/Abstract

摘要： 快速准确地识别出舰船的类型，是进行战场态势评估和战场决策的基础。通过从远程侦察雷达的回波中提取特征信息，使用贝叶斯网络，提出了“两步法”对舰船进行识别，在此基础上进行了实例验证，其结果与事实相一致，显示了该方法的正确性和有效性。

关键词: 贝叶斯网络, 特征信息, 目标识别, 两步法

Abstract: Rapid and accurate identification type of ship is essential for situation assessment and combat decision.In order to identify ships，with Bayes network，a kind of identification model of “two-step method ” is proposed，which makes use of character information of radar wave that return from ships.The experiment is carried out and the results coincide with the fact.This shows that the identification model is reasonable and effective.

Key words: Bayes network, characteristic information, target identification, two-step method

王庆江，高晓光. 基于贝叶斯网络的舰船识别[J]. 计算机工程与应用, 2007, 43(17): 223-225.

WANG Qing-jiang，GAO Xiao-guang. Identify ships based on Bayes network[J]. Computer Engineering and Applications, 2007, 43(17): 223-225.

[1]	郭雪昆，秦远辉，杜亮，罗永亮，王宏安. 基于MEBN的大型舰船舰面保障作业检测[J]. 计算机工程与应用, 2021, 57(1): 242-253.
[2]	陈海洋，刘喜庆，环晓敏. 一步预测的SVDDBN缺失数据插补算法[J]. 计算机工程与应用, 2020, 56(7): 81-87.
[3]	续晓丽，刘从峰，范广宇. 多尺度特征融合的二维编码图像识别[J]. 计算机工程与应用, 2020, 56(20): 165-172.
[4]	付佐毅，周世杰，李顶根. 轻量级目标识别深度神经网络及其应用[J]. 计算机工程与应用, 2020, 56(18): 131-136.
[5]	刘有用，张江梅，王坤朋，冯兴华，杨秀洪. 不平衡数据集下的水下目标快速识别方法[J]. 计算机工程与应用, 2020, 56(17): 236-242.
[6]	郑伟，侯宏旭，班志杰. 贝叶斯网络查询语义扩展的专家发现方法[J]. 计算机工程与应用, 2020, 56(13): 194-198.
[7]	吕学志1，2，胡晓峰1，吴琳1，贺筱媛1. 基于贝叶斯网络的任务共同体识别[J]. 计算机工程与应用, 2019, 55(5): 251-257.
[8]	高昂，段莉，张国辉，董志明，曹洁，郭齐胜. 计算机生成兵力行为建模发展现状[J]. 计算机工程与应用, 2019, 55(19): 43-51.
[9]	严智，张鹏，谢川. 基于Jaya的贝叶斯网络结构学习算法研究[J]. 计算机工程与应用, 2019, 55(19): 173-177.
[10]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征信息辅助的语音传输与重构[J]. 计算机工程与应用, 2019, 55(15): 117-122.
[11]	赵琛，王昱潭，朱超伟. 基于几何特征的灵武长枣图像分割算法[J]. 计算机工程与应用, 2019, 55(15): 204-212.
[12]	蔡青松，陈希厚. 基于评分函数的贝叶斯网络结构融合算法[J]. 计算机工程与应用, 2019, 55(11): 147-152.
[13]	李展1，2，3，4，郝颖明1，3，4，付双飞1，3，4. 基于结构光的星箭对接环相对位姿测量方法[J]. 计算机工程与应用, 2019, 55(10): 205-212.
[14]	于丽1，刘坤2，于晟焘3. 基于密集卷积神经网络的遥感飞机识别[J]. 计算机工程与应用, 2018, 54(19): 179-185.
[15]	郭文强，高文强，侯勇严，李然. 基于稀缺数据集下BN参数学习的目标识别[J]. 计算机工程与应用, 2018, 54(17): 122-125.