基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

城市战场目标分群的组合聚类方法

为了消除或减少城市作战中灰色情报信息对态势评估中目标分群的影响,提出一种基于Chameleon算法的组合聚类方法.根据目标属性间的区间灰数关联度和目标间的距离系数得到相似度矩阵,利用Chameleon算法对目标进行初始分群,然后,对分群中各目标的属性历史数据和分群中心的属性历史数据分别进行区间灰数向量关联分析,实现了目标分群的动态维护.通过算例验证了方法的有效性.     

基于层间嵌入式多级支持向量机的特征选择

针对多故障样本一次性映射之后分类不理想,研究了多级层次式支持向量机,应用UCI数据仿真,结果表明该方法缩短了训练时间、提升了测试准确率、改善了样本的可分类性。由于误差积累,在此基础上,提出了层间嵌入式多级支持向量机,采用Abalone数据仿真,结果表明分类精度有所提高并减少了分类步骤。结合ReliefF算法,对制导设备的故障特征参数进行了选择。     

基于聚类分析法的人员生活用油类区优化研究

以人员生活物资运输实际耗油量为依据,通过构建类区比例缩减模型,应用多元统计聚类分析中的最短距离法对现行的人员生活用油类区进行了重新划分。得到的类区优化结果既符合标准的延续性,又简化了标准形式,从而提高了标准的可操作性。     

基于GM-ANP的维修人员保障能力评估

以维修人员保障能力评估指标体系为基础,建立基于GM-ANP的维修人员保障能力评估模型。采用网络分析法(ANP)确定各因素的权重,运用超级决策SD软件辅助计算权重;用灰色聚类评估方法(GM),确定评估样本矩阵和评估灰类,计算灰色评估权矩阵;综合权重和评估权矩阵,得出评估结果。通过实例计算表明这种评估模型的有效性和实用性。     

氮化硼先驱体的合成及其热分解特性

以硼氢化锂和硫酸铵为原料合成了氮化硼陶瓷先驱体环硼氮烷,以GC MS、FT IR和1H NMR等方法对其组成和结构进行了表征和确认.环硼氮烷在80℃左右保温72h后可以得到固化的聚硼氮烷,而后经热分解得到氮化硼陶瓷,以TG、FT IR、XRD等对聚硼氮烷的热分解行为进行了分析和表征.结果表明聚硼氮烷中仍然存在一定数量的B H和N H键,在后续的热分解过程中,会进一步发生脱氢反应,1400℃时陶瓷产率约为89.5%.B H键的断裂主要发生在800℃以前,N H键的消失则需要较高的温度.聚硼氮烷800℃热分解后无机化程度已经较高,其产物基本上为无定形的BN,在1600℃则形成h BN.     

基于最优化的广域雷场空间多节点坐标修正算法

为了解决在智能雷场中,GPS精度无法满足节点布局精度要求的问题,提出了精准测距和GPS相结合的节点坐标修正算法。算法对活动雷进行聚类处理,将雷场划分为多个区域,在得到的多个点集中寻找可组成凸多边形的点。通过坐标修正模型,将问题转化为最优化问题,完成对凸多边形各顶点坐标的修正,最终实现全部节点的坐标修正。实验结果表明修正算法可以有效减少广域空间中多节点间坐标的相对误差,使坐标尽可能与节点实际物理位置一致。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。