无人机侦察海上目标识别研究

海军无人机的任务是利用夜间电视、低亮度电视、前视红外和合成孔径雷达等各种传感器对广阔的海面进行监视,提供超视距瞄准数据及海战场态势的精确信息.本文把参数分类中的统计法--即证据理论与认识模型中的模糊集合论和模糊推理以及专家系统方法相结合,对海上目标识别进行证据分类及模糊推理融合.     

不确定性推理方法研究

对3种最常用的不确定性推理方法进行了分析和评述:概率推理、D-S证据推理和模糊推理。分别针对不同类型的不确定性。概率推理针对的是"事件发生与否不确定"这样的不确定性。D-S证据推理针对的是"分不清"或"不知道"这样的不确定性。模糊推理则是针对概念内涵或外延不清晰这样的不确定性。概率推理的理论体系是严密的,但其推理结果有赖可信的先验概率和条件概率。D-S证据推理是不可信的,但在一定条件下可以转化为概率推理问题来处理。模糊推理是一种很有发展潜力的推理方法,主要问题是推理规则需要具体设计,且设计好坏决定推理结果。     

基于WSN的目标探测与分类算法

针对WSN监测系统的目标检测与分类问题,提出一种基于直觉模糊推理(IFR)的多源数据融合方法。由模糊推理的思想,设计各状态变量的属性函数。根据目标声强变化和引起的地磁场变化的模型,设计模糊推理规则,并检验了所建规则的合理性。理论分析与仿真结果的对比表明算法能准确地对目标进行分类,且运算量小,适用于计算能力较弱的WSN节点。     

基于模糊推理的雷达辐射源识别方法

辐射源数据往往不完整或不确定,因此应用模糊推理实现了辐射源和目标平台的识别.将辐射源特征转换为由模糊集及隶属度函数表征的参数,再通过与数据库中的辐射源数据进行模糊匹配来判断辐射源的类型,实现了雷达辐射源的被动识别方法.进一步通过识别出目标平台上所装备的雷达辐射源的参数值,利用模糊推理,推断出目标平台的类型.试验结果表明:模糊推理的算法是切实可行的,在对模拟数据加入的噪声不超过一定限制的情况下,对于数据库已有的目标能够达到较高的目标识别率.     

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。     

一种基于证据理论的陆战场机动平台情报关联方法

针对陆战场情报来源对象不明的问题,提出了一种采用证据聚类技术对陆战场机动平台情报进行分类以实现目标关联的方法。该方法针对陆战场机动平台的特点,建立描述该类情报的证据理论模型;并将各情报之间的矛盾量化成冲突因子,推导分类优化函数;然后采用平均场模拟退火算法进行情报分类。     

模糊推理方法在无人机编队目标分配中的应用

本文主要针对无人机编队作战中的目标分配问题进行了研究,利用模糊推理理论对定性条件进行了分析,并建立了定性条件的优选决策矩阵,将各个定性条件下的优选决策矩阵进行了合成,给出了不同目标定性条件重要度的相对隶属度关系,最后给出了基于模糊推理的无人机编队作战中目标分配方法的数学模型,并进行了求解。给出的算例验证了模型的可行性和有效性。     

用克罗内克积形式构成模糊推理中关系矩阵的新方法

通过对模糊推理的典型形式、推理方法以及推理关系的表达方式进行研究与讨论,提出了一种用克罗内克积形式表达模糊推理中关系矩阵的新方法.该方法以统一的形式成功地表达了单模糊变量与多模糊变量情况下关系矩阵的构成方法,为模糊推理的理论研究和应用提供了方便.     

专家系统中引入非单调推理的算法描述

专家系统中常用不精确推理,它们是单调的,单调的推理是有局限性的,而非单调推理则具有普遍的意义。在对不精确推理中的模糊推理、非单调推理分析和研究的基础上,提出了模糊推理和非单调推理有效结合的方法。首先研究了模糊推理与非单调推理的结合,引入模糊数学中贴近度的概念,解决了模糊命题的不相容性。其次提出了一个新的概念——假设正确度,解决了面向从属关系回溯中选择错误效率低的问题。最后给出了模糊非单调推理系统与专家系统一起工作的算法描述。     

直觉模糊推理的装备保障指挥决策模型

依据战时装备保障指挥的特点,研究了基于直觉模糊推理的装备保障指挥决策模型.分析了装备保障指挥决策的各个相关因素,在模糊化处理指挥决策因素的基础上,建立了各决策因素的直觉模糊集,给出了相应的隶属度和非隶属度函数.同时,建立了直觉模糊推理的装备保障指挥决策模型,给出了推理规则、直觉模糊推理算法及去模糊化算法.最后利用装备保障指挥决策的实例对决策模型的有效性进行验证,结果表明能有效地处理由于知识的模糊性所引起的不确定性问题.     

模糊推理在软件维护性评估和预测中的应用

摘要：在基于活动的质量模型维护性分析方法基础上,对贝叶斯方法进行了扩展,将模糊推理技术与现有的贝叶斯方法进行比较,开发了一个基于模糊推理的系统来对软件维护性进行量化评估和预测,描述了模糊技术在维护性评估和预测准确度方面的优势．     

基于神经网络和模糊综合评判的梁故障诊断研究

设计了一个简单的人工智能故障诊断系统模型,它包括知识库、模糊推理、神经网络和控制模块等。模糊推理模块利用模糊综合评判方法进行故障的预诊,神经网络模块采用竞争学习方法完成故障的确诊。文中对悬臂梁的单一故障和复合故障等七种模式进行了诊断分析,均获得了正确的诊断结果。     

防空监视网络传感器任务优先级的模糊评价方法

传感器任务优先级是传感器管理的重要依据。应用模糊推理技术的传感器任务优先级评价方法,基于所有融合航迹和识别数据,通过符号推理确定决策循环过程中执行的每个监视任务的优先级。首先确定了管理系统结构,建立了优先级决策树,给出了模糊推理规则,最后进行了仿真试验。试验结果说明了模糊评价方法在传感器管理应用中的有效性。     

威胁评估中的一种直觉模糊推理方法

针对战场信息中存在大量不确定性因素的特点,利用一种新的直觉模糊推理方法进行威胁企图分析。推理方法有效利用两个传统Zadeh模糊系统的输出结果,更接近于专家的思维。通过实例研究证明了该方法的可行性。直觉模糊推理是对一般模糊推理的有效扩充和发展,该方法对于提高作战指挥决策智能化具有一定的参考意义。     

一种改进的证据理论合成规则

随着证据理论在信息融合领域中的广泛应用,对冲突证据的处理成为证据理论和应用研究热点。提出了一种基于证据重要度和聚焦度的新的合成规则,首先根据各个证据的重要度对冲突证据进行修正,再对冲突进行细化并考虑证据焦元的基数对D-S合成法则的影响,将冲突信息提取后加入组合规则中。通过实验比较和分析,结果说明该方法不仅能够处理一般性冲突问题,也能处理"一票否决"和"鲁棒性"问题。     

基于模糊推理的作战保障分队能力评估方法

开展作战保障分队能力评估及建设是信息化条件下体系作战能力生成的重要支撑。相比作战保障装备层级的能力评估,对分队实施能力评估会面临定性评估指标多、评判标准模糊性强等难题。模糊推理方法对解决上述问题具有明显优势,通过模糊集合赋值、输入值模糊化建模、模糊推理规则建立、合成模糊集构建、解模糊处理等步骤,建立了基于模糊推理的作战保障分队能力评估方法。该方法易于被军事人员理解,具有重要的军事应用价值。     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。     

一种改进的证据合成方法及其在模糊评估中的应用

针对证据理论在模糊评估中的应用问题,分析了经典D-S证据合成规则和现有改进方法的不足,提出了一种更为适宜的证据合成方法。该方法通过证据间的夹角余弦计算证据间的相似系数,从而获得证据的可信度。通过对证据权重和可信度的对比与融合,确定各证据在冲突概率分配中的权重。通过冲突概率的全局分配对证据进行合成。实例分析表明,该方法不仅能够处理高度冲突证据,还能保证指标间的相对重要性不被可信度所过度地影响,从而提高了模糊评估的可靠性与合理性,降低决策风险。     

基于Fuzzy CLIPS的决策层目标识别专家系统

讨论了将模糊逻辑和模糊推理技术应用于专家系统解决决策层目标识别中的不确定性的优势.探讨了在模糊逻辑方法的基础上运用专家系统工具Fuzzy CLIPS完善决策层空中目标识别专家系统的新方法,总结了模糊逻辑方法的基本步骤,重点介绍了模糊知识库的构建,给出了模糊推理的模型,结合一组可靠性高的计算公式探讨了规则在与事实进行模糊模式匹配时其匹配度的计算,并基于系统,给出了Fuzzy CLIPS中的模糊匹配算法在目标识别实例中的具体实现.     

军品质量监督六西格玛项目选择方法

针对军品质量监督工作中如何合理地选择六西格玛项目这一难题,从军品质量监督效益、内容和成本等方面构建了六西格玛项目选择的指标体系,为融合军工企业实施六西格玛项目经验和军代表开展六西格玛质量监督价值需求,综合利用自适应神经模糊推理系统(Adaptive Neural-Network-Based Fuzzy Interference System,ANFIS)和证据理论提出了更为科学的六西格玛项目选择方法,为下一步有效且成功实施六西格玛项目奠定了基础。