基于粗糙集理论的装备保障指挥系统效能评估指标体系约简

针对目前建立的装备保障指挥系统效能评估指标体系评价指标繁多,存在重复、等价的不足,通过验证各评价指标相对于决策属性是否必要与验证各子集组合相对于决策属性是否独立,建立了基于粗糙集理论的装备保障指挥系统效能评估指标体系约简方法,对评价指标进行了约简,建立了约简的装备保障指挥系统效能评估指标体系,可为装备保障指挥系统效能分析提供依据。     

粗糙集理论在装备保障训练效果评估中的应用

装备维修保障训练效果评估中最关键的步骤就是评估指标体系的构建及优化,为了克服传统评价方法中存在指标关联性大和权重确定主观性强的问题,将粗糙集和信息熵理论引入装备维修保障训练效果评估领域。采用信息熵的算法对连续指标离散化,基于粗糙集区分矩阵的方法对指标体系进行属性约简,降低了模型的复杂性;在此基础上提出了粗糙集属性重要度和AHP法相结合确定指标权重的方法,进而通过专家评议应用于训练效果评估实例,得到了较好的评估效果,为装备维修保障训练评估提供了新的参考方法。     

雷达干扰效能评估指标体系的构建方法

建立合理的干扰效能评估指标体系是实现雷达干扰效能综合评估的前提,首先分析了影响雷达干扰效能的要素,提出了一种由雷达受到干扰后的战术性能变化、干扰机主要战术性能参数和电磁环境因素建立雷达干扰效能评估指标集的方法。然后应用粗糙集属性约简算法对该指标集进行约简,删除了冗余属性,并对约简后的指标体系进行了有效性检验。仿真结果表明,该指标体系具有较好的完备性和独立性。     

基于粗糙集的装甲兵分队作战能力评估

为了解决装甲兵分队作战能力评估结果不准确、计算复杂的问题,提出基于粗糙集理论的计算方法。从作战要素的角度,建立评估指标体系;根据粗糙集属性重要度理论,给出各级评估指标约简和权重确定的方法;最后对装甲兵分队作战能力进行评估。为了验证该模型的可靠性和有效性,在装甲兵分队真实演习数据上进行评估分析,结果表明,与基于AHP的方法获得的结果相比,该方法能够获得更加出色的性能。     

基于粗糙集理论的C3I系统作战能力评估

C3I系统是一个复杂的人机大系统,对其评估是一个非常复杂的问题。首先建立了C3I系统评价指标体系,根据粗糙集理论对系统属性进行约简,通过MATLAB编写的程序计算出指标权重,确定了影响系统的最佳指标。最后提出了C3I系统作战能力综合指数计算方法,结果显示粗糙集理论对C3I系统评估能取得非常好的效果。     

红外成像导引头抗干扰评估指标体系构建

建立一套科学、合理的抗干扰性能评估指标体系是得出准确评估结果的前提保证,针对现有红外成像导引头评估指标体系主观性强、存在冗余现象、缺乏合理的建立依据等缺点,通过对红外成像导引头固有性能和工作过程分析,初步建立评估指标体系。采用粗糙集理论对建立的指标体系进行了约减,去除了冗余项仅保留核心指标。通过半实物仿真的方法获得评估指标数据进行算法模型验证,并采用神经网络法对约简后的指标体系进行了有效性检验。     

基于灰色粗糙集的指标筛选方法

针对传统评估指标筛选方法适用性差、主观性强,并且需要大量测试数据等问题,提出了粗糙集属性约简和灰色关联聚类相结合的指标筛选方法。利用灰色关联聚类解决了经典粗糙集理论中的等价关系分类方法仅仅适用于离散数据的问题,并针对灰色聚类临界值难以确定的问题,采用统计量法解决,两种方法的优势互补实现了评估指标的有效筛选。最后结合作战指挥系统的评估指标体系筛选案例,对方法的合理性和有效性进行了验证。     

战术互联网效能评估指标体系的建立

有效合理地建立指标体系是对战术互联网进行效能评估的前提与基础。通过对战术互联网的网络功能结构进行分析,从业务和战术层面提出较为全面的指标系统,在分析粗糙集的基础上,提出粗糙分布函数的方法,通过对指标系统的单点性及协调性进行定义分析,在明确的指标体系基础上进行指标约简处理,从而达到精简指标的目的。最后提出"满意度"指标评价体系,对已建立的指标体系的综合评价提供理论指导。     

粗糙集和区间数空袭目标威胁评估

针对现有空袭目标威胁评估方法存在的不足,提出了一种新的基于粗糙集和区间数的空袭目标威胁评估方法.首先建立了空袭目标威胁评估指标体系,给出了指标值为区间数且指标权重完全未知的指标权重计算步骤,克服了以往指标权重确定的主观性.建立了应用粗糙集和区间数评估空袭目标威胁的数学模型.提出了威胁评估指标的离散化区间,并应用粗糙集理...     

机载C~3I系统试飞数据质量评估方法

针对机载C3I系统的试飞中数据质量评估指标多、数据量大等问题,建立了数据质量评估模型.并阐述了该模型的构造方法,将数据中复杂的指标体系进行了量化处理,将粗糙集和神经网络相结合,提出了一种试飞数据综合质量的计算方法.实现了对数据的实时监控.该模型简捷、准确、工程应用效果好.