摘要：针对在复杂的课堂环境中,传统的目标检测算法出现的漏检和误检问题,提出一种改进的YOLOv5s目标检测算法,旨在提高在课堂环境中对学生行为的检测准确性。首先,创建包含六种行为的学生行为数据集;其次,在Backbone和Neck部分添加多头自注意力机制,增强模型对课堂图像中复杂拥挤的空间关系的理解能力;最后,将目标检测头部中计算边框损失的CIoU替换为更加全面的SIoU。实验结果表明,改进后的模型相较于原模型的平均精度提高3.9%,召回率提高2.6%,提升了模型对目标的准确检测能力。

摘要：目标威胁评估技术是智能战术援助决策系统的关键技术之一。针对当前空战目标威胁评估中存在的威胁评估指标具有耦合性,不同权重计算方法具有差异性,以及传统威胁排序方法逼近理想解排序法(TOPSIS)中存在方案区分度混淆等问题,设计了一种基于变异系数法和改进TOPSIS的空战威胁评估方法。对各个空战威胁评价指标进行相关性热力图分析,选择合适的威胁评估指标。建立主客观权重相结合的空战威胁评估模型,在客观方法选择上用变异系数法代替了熵权法,降低了模型对数据的要求。用Manhattan距离取代传统TOPSIS法中的欧式距离对威胁系数进行排序,将排序误差率减小了6%。算例仿真分析结果表明,该方法既考虑到决策者的主观偏好,又保证了决策的客观性,有效提升了空战威胁评估的精度。