导弹装备战备完好性评估模型

针对当前对导弹战备完好性水平缺乏系统性评估,给导弹装备管理决策带来极大困难,难以适应当前转型建设导弹装备保障要求的问题,在对现役导弹装备任务剖面分析的基础上,对影响导弹战备完好性的重要参数使用可用度进行了研究,给出了基于可用性理论的导弹装备使用可用度评估方法和模型,根据部队导弹装备服役的相关信息,对该模型进行了评估验证,经验证,该方法可有效地分析导弹使用可用度,研究结论对于提升导弹装备战备完好性具有一定的借鉴意义。     

基于支持向量机的多元文本分类研究

根据文本分类的特点,在对最小二乘支持向量机方法进行详细分析的基础上,创建了基于最小二乘支持向量机的多元文本分类器.实验表明,采用该文本分类器能够在保持较高分类精度和召回率的基础上,提高训练效率,具有一定的可行性.     

论保障性设计与装备战备完好性的提高

阐述了装备保障性和战备完好性之间的相互关系;通过指标分析,论述了装各保障性设计过程要与装备保障资源的最后生成建立联系,能使指标影响设计,设计过程进行阶段性验证,以达到在设计过程中提高装各战备完好性的目的.     

基于支持向量机的装备故障间隔时间预测研究

针对装备故障样本数据量少、非线性强,故障预测困难的问题,提出了一种基于支持向量机回归的故障间隔时间预测模型.在不同核函数条件下,以提高核函数的普遍适应性和拟合精度为目的,通过实例分析选择了相对于装备故障数据的最佳核函数,并根据故障样本数据的特点,设计了与之相适应的核函数参数.实验结果表明,与常用的BP神经网络预测模型相比,该模型有更强的鲁棒性和推广能力,具有一定的实用价值.     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

基于支持向量机的装备故障诊断专家系统

针对现代化复杂武器装备故障诊断问题,结合支持向量机和专家系统的各自特点,提出了基于支持向量机的武器装备故障诊断专家系统整体结构和诊断模型。将支持向量机嵌入专家系统中,实现知识自动获取和快速逻辑推理,专家系统完成知识库管理与维护、符号推理诊断以及相关解释等工作,充分发挥支持向量机和专家系统两者的优势,提高了系统的综合诊断性能。     

用于多类分类的层次式支持向量机

针对支持向量机存在的训练数据量大导致的训练时间过长和训练数据不平衡导致的分类结果会向训练数据多的类倾斜等问题,提出了适合于多类分类的层次式支持向量机。在训练过程中,首先折衷考虑各类之间的距离和各类的训练数据长度,据此将训练样本分为距离较远且其长度基本平衡的2类,然后逐层进行训练,最终形成二叉树分类结构。仿真实验证明,该方法能够有效地缩短训练和分类时间,且对多类分类中的数据不平衡问题有一定的效果。     

基于支持向量机的遥感图像分析与处理

支持向量机是一种新的机器学习方法。本文结合遥感图像和支持向量机的特性,重点分析了支持向量机在遥感图像分类、遥感图像压缩、遥感图像特征提取等方面的应用。并对支持向量机在遥感图像分析与处理中的应用趋势及有待进一步研究的问题进行了探讨。     

基于改进支持向量机的航空装备维修安全评估

传统航空装备维修安全评估大多采用定性评估方法,针对传统评估中存在主观性、随意性过强,实践中缺乏可操作性等问题,提出了基于核密度估计的改进支持向量机。构建了航空装备维修安全评估指标体系,在利用层次分析法对其权重进行计算的基础上,通过改进支持向量机对某单位航空装备维修状况进行了全面评估,为航空装备维修安全评估提供了科学的方法,对确保航空装备维修安全具有较强的理论和现实意义。     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

装备保障战备评估指标体系的建立

装备保障战备评估是一个新的概念,建立装甲装备战各评估指标体系是装备管理中的一项重要工作,通过介绍战备、评估、战备评估的概念,分析了建立装备保障战备综合指标体系的必要性,围绕装备、器材、人员、设备、维修、战备方案、战备训练、战备设施等几个方面的内容,论述了建立装备保障战备评估体系步骤和方法,实现战各工作的全程量化管理.     

基于BP神经网络的装备器材需求预测模型

准确预测装备器材的需求数量,是装备器材保障工作的重要内容和装备器材计划管理的前提。采用BP神经网络算法,通过对装备器材历史消耗数据进行处理,建立了装备器材需求预测模型,并结合实例,对模型进行了探讨和验证。     

基于灰色神经网络的装甲器材需求量预测

分析了装甲器材需求量影响因素,将灰色预测与神经网络预测方法相结合,建立了装甲器材需求量预测的灰色神经网络计算模型。该模型具有灰色系统的少数据建模及神经网络的精度可控性等优点,能较好地解决目前装甲器材需求预测精度不高的问题,可为装甲器材管理部门制定订购、调拨计划提供决策依据。     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

装备保障抽组力量物资装载模型

对装备保障抽组力量的物资装载问题进行了数学描述,建立了以实现全部物资尽量分散装载为目标,以同类物资集中装载、车辆承载物资总体积不超过车辆有效容积、车辆承载物资总重量不超过车辆标记载重量、物资必须装载且不被重复装载等为主要约束的数学模型,并进行了求解.最后通过实例解算验证了模型的有效性.     

现役武器装备改造评估模型

针对现役装备改造过程中存在的缺乏系统性和缺少评估的问题,在深入分析装备改造过程的基础上,建立了现役装备改造效果指标和评分表格,提出了改造效果的评估流程,通过将该方法应用于我军现役装备改造评估,证明了该方法的可行性．     

美国GMD系统成熟度评估研究

美国地基中段防御(GMD)系统虽然于2004年底完成了初始部署,但是目前仍然没有完全移交给军方,而由美国导弹防御局负责管理和维护.通过对GMD系统进行成熟度评估,得出其发展状态仍然处于系统发展和验证阶段.     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。     

基于多准则的战损装备抢修排序决策模型

通过对战场抢修排序原则的分析和量化,利用模糊综合评判的方法,建立了战场抢修排序的数学模型,可以有效地解决装备抢修中多个装备多准则排序的问题,为装备保障部门进行决策提供依据。     

基于博弈论的装备采购定价激励模型

不同的定价方式和定价参数的选择对于承包商会起到不同程度的激励作用。为提高装备采购效益,在承包商追求效用最大化假设的基础上,建立了装备采购完全信息动态博弈模型。对价格、成本、承包商努力程度和承包商效用之间的关系进行了研究,证明了成本分担和固定价格的定价方式能够有效激励承包商提高自身努力水平降低成本,并提出了2种定价方式的参数定量计算方法。