空地对抗决策中粗糙贝叶斯理论应用

模糊逻辑作为模糊语言描述系统,既可以描述应用系统的定量模型也可以描述其定性模型,粗糙贝叶斯在具有内在不确定性的推理和决策问题中得到了广泛的应用。首先分析了使用粗糙贝叶斯网络进行态势评估知识表示问题;其次提出了构建粗糙贝叶斯网络进行态势评估的步骤;最后给出一个具体的实例,演示了在防空作战战场中使用粗糙贝叶斯网络进行态势评估的过程。     

太赫兹粗糙金属目标镜面雷达散射截面预估方法

在太赫兹频段,研究金属目标表面粗糙度对雷达散射截面(Radar Cross Section,RCS)的调制作用,对粗糙金属目标的RCS缩比测量具有重要意义.通过研究太赫兹粗糙金属目标镜面RCS随粗糙度的变化规律,结合相干、非相干散射理论,在基尔霍夫近似法的基础上,提出一种特定参数区间粗糙金属目标镜面RCS的预估方法,并...     

基于一般二元关系的不确定性度量方法研究

针对一般二元关系,从知识的区分能力角度提出一种带有可调节参数的新的不确定性度量-α熵,给出了其在一般二元关系下的重要性质,指出一般二元关系下的α熵是现有多种不确定性度量的扩展,统一了完备和不完备信息系统中知识的不确定性度量.结合知识的α熵,给出了一般二元关系下粗糙集的α精度和α粗糙度的定义,证明了α精度、α粗糙度和知识...     

粗糙模糊C均值融合聚类

提出一种新的粗糙模糊C均值融合聚类算法,该算法通过粗糙集上、下近似的引入改变了模糊C均值算法中隶属度函数的分布情况,修正了类心的更新公式和模糊隶属度计算公式,降低了计算复杂度,在改变模糊隶属度分布的同时,通过使得每一类总的隶属度变化保持最小,进一步提出了边界调节参数的自适应选择算法,实验结果表明,粗糙模糊C均值融合算法...     

基于粗糙DEA的通信干扰装备配置方案优选问题

研究不确定条件下的通信干扰装备配置方案优选问题具有重要的军事意义.运用粗糙理论描述受到环境复杂性和人为主观经验的影响而不确定的决策要素,并充分利用DEA模型能快速评价多输入输出决策相对有效性的特点,建立基于粗糙DEA的通信干扰装备配置方案优选模型.最后通过实例计算,对配置方案的相对有效性进行了分析.     

粗糙模糊C-均值算法及其在图像聚类中的应用

提出一种新的粗糙模糊C均值算法(RFCM),该算法基于粗糙集的上、下近似的概念改进了FCM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFCM的时间复杂性比FCM更低。将RFCM用于图像的聚类,相对于FCM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。     

舰船雷达电波折射修正新方法研究

为了提高雷达精度,舰船雷达一般都进行电波折射误差修正.由于无法精确测量大气剖面,故舰船雷达的电波折射修正精度较低.文中提出了一种基于微波辐射计大气遥感的电波折射实时修正新方法,它不仅具有全天候、实时性、机动性等特点,而且可以直接测量出电波传播路径上的大气附加时延积分,从而直接给出距离误差修正量.经与常用的2种电波折射修正方法比较,证明它的精度较高.     

机动导弹系统研制中的生存能力论证建模

分析了机动导弹系统生存面临的生存威胁,对机动导弹系统生存能力的基本指标体系,进行了量化研究,结合某新型号机动导弹系统的研制设计方案,提出了基于相邻优属度熵权的模糊综合论证模型.该模型将指标的随机不确定性和模糊不确定性结合在一起,增强了论证结果的可信性.利用上述模型对机动导弹系统设计方案的生存能力进行了论证分析,并依据论证结果对设计方案进行修改,对修改后的方案进行了再次论证.     

基于证据熵的卫星侦察图像质量评估研究

卫星侦察图像质量评估是卫星效能评估的重要方面。首先分析了从图像解译的角度评估图像质量的合理性 ,并从信息的认知角度 ,基于证据理论建立了图像信息认知的证据推理模型 ,提出和分析了反映图像信息认知不确定性的证据熵 ,最后利用证据熵得到评估图像质量的新方法。     

基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法.通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类.仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法.     

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。     

基于粗集和最大熵的模式识别方法

用基于属性约简的粗集理论找出条件属性的最小属性集。对属性间为不确定因果关系的模式,计算在最大熵情况下发生的概率,通过比较概率来进行模式识别,实例分析和结论部分说明这种方法是有效的。     

基于证据熵对不确定性度量的决策表约简

知识约简是粗糙集理论的核心内容之一,产生的粗糙决策规则往往具有一定的不确定性.在变精度粗糙集的基础上,本文构造了符合证据理论框架的一组焦元,利用基本概率分配函数计算了证据的总体信息熵,度量了决策表的不确定性;以该度量作为启发信息,给出了决策表的启发式知识约简算法.计算实例表明了本文方法的有效性.     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法.针对这种划分,提出一种约简和去噪的方法.随后,建立了粗糙集和LVQ神经网络的联合模式识别系统.最后,比较了用该系统和仅用神经网络进行识别的效果,证明了该方法的有效性.     

一种基于双向IS-粗集的实时调度策略

在S-粗集理论的基础上,提出双向IS-粗集的概念,给出双向IS-粗集的数学结构.在动态加工环境下,建立了基于双向IS-粗集的实时调度模型,并举例说明了该方法在应用中具有一定的智能性和灵活性.     

基于条件熵的不完备信息系统属性约简算法

在相容关系下定义了三种不完备条件熵——H′条件熵、E′条件熵和I′条件熵,并对它们的性质进行了分析比较,研究发现,H′条件熵和I′条件熵不适用于相容关系下信息观点的约简。利用E′条件熵刻画信息系统中属性的相对重要性,设计了一种新的基于信息论观点的启发式约简算法,它统一了完备信息系统与非完备信息系统中的约简方法。通过实例说明,该算法能得到决策表的相对约简。     

变精度双向IS-粗集及其应用

在S-粗集的基础上,提出了双向IS-粗集(two direction improper singular rough sets)的概念,给出双向IS-粗集及变精度双向IS-粗集的数学结构,讨论了变精度双向IS-粗集上、下近似算子的性质,并举例说明了变精度双向IS-粗集的应用.     

基于粗糙集的空袭目标威胁评估排序

通过对影响空袭目标威胁排序因素的分析,针对定性与定量因素并存的情况,提出利用粗糙集理论进行威胁排序的方法.将已有决策表转化为成对比较表,利用优势属性集来推理决策规则,从而确定各目标的排序.案例表明此方法有效地解决了空袭目标威胁排序中的如何处理不确定信息的问题,大大提高了决策的准确性和客观性.     

小样本采样数据的预处理

一般情况下数据处理大多采用数理统计方法,该方法对于数据较少情况下处理和判别粗大误差不适用。提出了运用线性均方估计法和熵值判别法来处理和判别粗大误差,线性均方估计消除粗大误差是一种采用软化的方法处理粗大误差;熵值判别法是根据熵的上界对应最大的不确定度,利用所得数据的熵信息量判别数据是否含有粗大误差。这两种方法经过多个实例计算,结果表明,它们在处理小样本采样数据时更有效。