基于Hamming网络的空袭目标评估模型

针对空袭目标威胁程度评估问题,在模糊优化模型的基础上,提出了一种基于Hamming神经网络的求解方法.该方法将神经网络与模糊优化模型相结合,既方便了原问题的描述又简化了问题的求解,发挥了二者的集合优势.经仿真试验证明了该模型的有效性.该方法为此类问题的研究提供了一种有效、可靠的新途径,同时它也是模糊理论与人工神经网络相结合的理论方法的有益尝试.     

船载防空武器整体防空能力模糊综合评判模型

在渡海登岛作战航渡过程中,船载防空武器对航渡编队实施伴随掩护,其防空能力的强弱,对整个航渡编队的安全起着不可忽视的作用.综合考虑战场可能影响船载防空武器防空能力的各种因素,依据模糊理论,并引入实例,论证了船载防空武器整体防空能力的多目标、多层次综合评判模型,可为防空兵作战指挥人员提供武器作战能力的量化数据.     

基于模糊商空间理论的产品粒化过程分析

模块形成与划分是展开模块化设计及大规模定制生产的关键环节。为了进一步扩展产品模块化的定量分析手段,提出了一种基于模糊商空间理论的产品粒化方法。通过引入粒度计算,将基于相关性分析的产品模块化过程转化为基于粒度计算的产品粒化过程,并应用模糊商空间理论对其进行了分析,给出了基于归一化距离和综合模糊相似关系的产品粒度空间构建方法,建立了基于两阶段优化算法的最佳产品粒层确定流程,进而得到了最优模块划分方案,最后以某堆垛机货叉机构为例对该方法进行了有效性验证。此方法为产品模块聚类与优化提供了一种新的数值分析和评价手段,应用结果表明该方法具有一定的可行性和合理性,能够有效指导产品模块化过程的实施。     

考虑CCD噪声条件下的编码曝光最优码字搜索方法

编码曝光技术将病态的运动模糊图像复原问题转化为良态问题,寻找最优码字是编码曝光技术的关键。面向实用化目的,提出了一种考虑CCD传感器噪声的编码曝光相机最优码字搜索方法。基于仿射噪声模型对图像成像过程中的噪声成分进行了系统分析,首次从理论上分析了Raskar码字选取依据并基于复原图像信噪比增益提出了光子噪声对最优码字构造影响的解析表达式。在对实际编码曝光相机进行噪声标定的基础上,提出了最优码字搜索的准则并构造出适应度函数,采用遗传算法进行优化搜索得到最优码字。仿真图像和真实图像的复原结果证实了该方法的有效性,复原图像信噪比得到有效的提高。     

一部世界国防经济学研究的力作

于连坤、罗永光、王淑平主编的《世界国防经济学教程》近期由国防大学出版社出版。该书是国防大学国防经济研究中心重点规划教材,是作者长期跟踪研究世界国防经济发展变化,充分借鉴国内外既有研究成果,花数年时间而形成的研究成果,是国内第一部世界     

基于AHP与熵权的舰艇编队信息作战能力模糊综合评估

在确立了舰艇编队信息作战能力评估指标体系的基础上,运用AHP和熵权法,得到评价指标的综合权重.通过模糊综合评判,得出综合评判总分.以某舰艇编队的信息侦察处理能力为例进行综合评估.最后通过进一步研究分析,构建了一种数学模型,用于找出影响舰艇编队信息作战能力的薄弱指标.     

基于模糊层次分析法的非致命弹药安全管理系统评价

针对非致命弹药安全管理评估方面的空白,采用模糊层次分析法（FAHP）,从宏观上对非致命弹药安全管理系统进行评价。通过分析影响非致命弹药安全管理水平的因素,建立系统综合评价指标。分别建立不同指标间的模糊一致判断矩阵,确定隶属函数、权重值,最后得出定量评判结果,确定非致命弹药安全管理系统等级,对非致命弹药安全管理提供理论依据。     

系统误差下的模糊航迹关联方法

航迹关联对航迹融合结果具有决定性影响。为了解决组网雷达存在系统误差情况下的航迹关联问题,采用归一化的方法,构造了一种新的隶属度函数,采用模糊方法进行航迹关联,该算法简单易于实现,可以准确地实现密集目标的航迹关联。仿真结果显示了该算法的有效性。     

逆边界无网格法声源识别的理论与实验

针对逆向求解声源识别中的声辐射传输建模问题,采用无网格法将Kirchhoff- Helmholtz边界积分方程离散为受边界条件约束的有限维线性方程组,通过分块矩阵法对该约束方程组进行求解,得到了离散后声辐射传输模型的数值表达式.在此基础上,进一步研究了逆向求解声源识别问题的基本原理及其不适定性.为克服其不适定性,采用Tikhonov正则化和L曲线正则化参数选取方法,从而确立了有效的逆向求解方法.此外,还进行了扬声器阵列声源识别实验,实验结果验证了逆边界无网格声源识别理论和方法的可行性及可靠性.     

基于PCA与FCM的入侵检测样本数据压缩方法

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊C-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊C-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测样本数据中的关键特征和关键样本。通过KDD CUP99数据集测试证明:数据双向压缩可减少入侵检测分类器的计算量,进而可提高其实时检测性能和检测推断的准确性。