哈尔滨工业大学的一篇博士论文 基于单目视觉的航天器相对导航理论与算法研究 论文编码 66880 专业 飞行器设计 摘要：基于单目视觉系统的航天器相对导航理论是航天器接近任务的一项关键技术，本学位论文结合国家安全重大基础研究项目：“微型航天器新概念、新机理研究”(课题编号：51312)的子课题“微型航天器自主生存的理论与方法研究”，对基于单目视觉系统的合作与非合作航天器相对位姿导航参数确定理论进行深入研究，具体工作如下：在综合分析各国提出的基于视觉空间目标监视、检测或逼近等演示验证任务的基础上，提出了基于单目视觉实现空间目标检测、定位、跟踪和运动控制诸功能的非合作航天器单目视觉相对导航系统方案。推导了在不同目标特征的可分辨约束下，单目视觉测量系统的有效测量范围与目标特征的尺寸特征参数、视觉敏感器焦距和像素间距等之间的约束关系式，最后利用成像系统的角分辨率分析了视觉测量系统的测量精度，为航天器视觉系统的分析和设计提供必要的理论基础。针对合作航天器的单目视觉相对位姿导航参数确定任务，提出了四个特征光标非共面设置方 关键字：航天器 视觉导航 随机化RANSAC算法 共形几何代数 几何优化 基于几何 单目视觉 航天器 相对导航 优化理论 任务应用 法能 仿真结果 仿真验证 原型 曲棍球 照相侦察卫星 雷达成像 美国 最优化算法 求解 微分 矢量 数学模型 链状

信息安全架构 计算机和网络安全法则 安全组织框架 如何建立企业信息系统的安全架构 (1) 信息安全涉及到信息的保密性(Confidentiality)、完整性(Integrity)、可用性(Avail ability)。综合起来说，就是要保障电子信息的有效性。 保密性就是对抗对手的被动攻击，保证信息不泄漏给未经授权的人。 完整性就是对抗对手主动攻击，防止信息被未经授权的篡改。 可用性就是保证信息及信息系统确实为授权使用者所用。 作为一个企业我们通常通过这样的标准来划分信息的保密性，完整性，可用性。 可用性---------------主要通过信息的使用率来划分： 1 非常低 合法使用者对信息系统及资源的存取可用度在正常上班时达到25% 2 低 合法使用者对信息资源的存取可用度在正常上班时达到50％ 3 中等 合法使用者对信息系统及资源的存取可用度在正常上班时达到100% 4 高 合法使用者对信息系统及资源的存取可用度达到每天95%以上。 5 非常高 合法使用者对信息系统及资源的存取可用度达到每天99.9%以上。 完整性----------------通过信息应为修改对公司造成的损失的严

企业信息化建设理论内容培训.pptx

上海市高等学校计算机等级考试(一级)】理论题部分·复习参考.docx

人工智能-多层前向神经网络的理论研究与优化.pdf

人工智能-多向联想记忆神经网络理论研究.pdf

数据库

第1章 概述 神经网络理论与MATLAB7实现.part2的下载地址： http://download.csdn.net/source/663497 1.1 MATLAB语言简介 1.1.1 MATLAB概述 1.1.2 MATLAB语言特点 1.1.3 MATLAB 7的安装 1.1.4 MATLAB 7的新特点 1.1.5 MATLAB 7的新产品及更新产品 1.1.6 Simulink 6.0的新特点 1.2 MATLAB快速入门 1.2.1 命令行窗口 1.2.2 其他重要窗口 1.2.3 Editor/Debugger窗口 1.2.4 MATLAB帮助系统 1.2.5 神经网络工具箱快速入门 1.3 神经网络发展史 1.3.1 初期阶段 1.3.2 停滞期 1.3.3 黄金时期 1.3.4 发展展望 1.4 神经网络模型 1.4.1 神经元结构模型 1.4.2 神经网络的互连模式 1.5 神经网络的特性及实现 1.6 小结 第2章 神经网络工具箱函数及实例 2.1 概述 2.2 神经网络工具箱中的通用函数 2.2.1 神经网络仿真函数sim 2.2.2 神经网络训练及学习函数 2.2.3 神经网络初始化函数 2.2.4 神经网络输入函数 2.2.5 神经网络传递函数 2.2.6 其他重要函数 2.3 感知器的神经网络工具箱函数 2.3.1 感知器创建函数 2.3.2 显示函数 2.3.3 性能函数 2.4 BP网络的神经网络工具箱函数 2.4.1 BP网络创建函数 2.4.2 神经元上的传递函数 2.4.3 BP网络学习函数 2.4.4 BP网络训练函数 2.4.5 性能函数 2.4.6 显示函数 2.5 线性网络的神经网络工具箱函数 2.5.1 线性网络创建和设计函数 2.5.2 学习函数 2.6 自组织竞争网络的神经网络工具箱函数 2.6.1 神经网络创建函数 2.6.2 传递函数 2.6.3 距离函数 2.6.4 学习函数 2.6.5 初始化函数 2.6.6 权值函数 2.6.7 显示函数 2.6.8 结构函数 2.7 径向基网络的神经网络工具箱函数 2.7.1 神经网络创建函数 2.7.2 转换函数 2.7.3 传递函数 2.8 反馈网络的神经网络工具箱函数 2.8.1 Hopfield网络的工具箱函数 2.8.2 Elman网络的工具箱函数 2.9 小结 第3章 前向型神经网络理论及MATLAB实现 3.1 感知器网络及MATLAB实现 3.1.1 单层感知器网络 3.1.2 多层感知器 3.2 BP网络及MATLAB实现 3.2.1 BP网络理论 3.2.2 BP网络的MATLAB设计 3.3 线性神经网络及MATLAB实现 3.3.1 线性神经网络的结构 3.3.2 线性神经网络的学习 3.3.3 线性网络的MATLAB仿真 3.4 径向基函数网络及MATLAB实现 3.4.1 径向基网络结构 3.4.2 径向基函数的学习过程 3.4.3 RBF网络应用实例 3.4.4 基于RBF网络的非线性滤波 3.4.5 基于GRNN的函数逼近 3.4.6 基于概率神经网络的分类 3.5 GMDH网络及MATLAB实现 3.5.1 GMDH网络理论 3.5.2 GMDH网络的训练 3.5.3 基于GMDH网络的预测 3.6 小结 第4章 反馈型神经网络理论及MATLAB实现 4.1 Elman神经网络及应用 4.1.1 Elman神经网络结构 4.1.2 Elman神经网络的学习过程 4.1.3 Elman神经网络的工程应用 4.1.4 基于Elman网络的空调负荷预测 4.2 Hopfield神经网络及MATLAB实现 4.2.1 Hopfield网络描述 4.2.2 Hopfield网络的学习过程 4.2.3 几个重要结论 4.2.4 Hopfield网络的MATLAB开发 4.2.5 基于Hopfield网络的数字识别 4.3 CG网络模型及应用 4.3.1 CG神经网络理论 4.3.2 基于CG网络的有限元分析 4.4 盒中脑（BSB）模型及MATLAB实现 4.4.1 BSB神经网络模型描述 4.4.2 BSB的MATLAB实现 4.5 双向联想记忆（BAM）及MATLAB实现 4.5.1 Kosko型BAM网络模型 4.5.2 BAM网络的实例分析 4.6 回归BP网络及应用 4.6.1 回归BP网络概述 4.6.2 基于回归BP网络的房价预测 4.7 Boltzmann机网络及仿真 4.7.1 BM网络的基本结构 4.7.2 BM模型的工作规则和学习规则 4.7.3 BM网络的MATLAB仿真 4.8 小结 第5章 自组织与LVQ神经网络理论及MATLAB实现 5.1 自组织竞争网络及MATLAB实现 5.1.1 基本竞争型神经网络概述 5.1.2 自组织竞争网络的应用 5.2 自组织特征映射（SOM）神经网络及MATLAB实现 5.2.1 SOM网络的结构 5.2.2 SOM网络学习算法 5.2.3 基于SOM网络的土壤分类 5.2.4 基于SOM网络的人口分类 5.3 自适应共振理论模型（ART）及MATLAB实现 5.3.1 ART-1型网络模型描述 5.3.2 ART-1网络的学习及工作过程 5.3.3 ART-1网络的应用实例 5.4 学习矢量量化（LVQ）神经网络及MATLAB实现 5.4.1 LVQ网络的结构 5.4.2 LVQ网络的学习规则 5.4.3 基于LVQ网络的模式识别 5.5 对向传播网络（CPN）及MATLAB实现 5.5.1 CPN概述 5.5.2 CPN应用实例 5.6 小结 第6章 图形用户界面GUI 第7章 神经网络控制理论及应用设计 第8章 基于神经网络的故障诊断 第9章 基于神经网络的预测 第10章 基于神经网络的模糊控制 参考文献

人工智能-粗糙集理论与BP神经网络在教育软件项目风险管理中的研究.pdf

人工智能-单位脉冲耦合神经网络中若干理论及应用问题的研究.pdf