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.     

一个平凡解的稳定性定理的改进

利用K类函数改进了马尔金定理的一个结论（即在非注定系统中，若相关的定正函数V和定负函数V1满足limt→∞(dV/dT-V1)=0，则系统有稳定的平凡解），得到一个非驻定系统平凡解的稳定性定理，并通过实例说明本文给出的定理可以判别其平凡解的稳定性，而用马尔金定理的结论失效。     

美国陆军官方网站多模态话语分析与军队形象建构

本文以Kress、Van Leeuwen和 Painter等学者的视觉语法理论为基础，从再现意义、互动意义和构图意义三个方面对美国陆军官方网站“相册”栏目进行多模态话语分析，挖掘网页的符号资源，探寻多模态语篇生成意义、传递信息和构建形象的具体机制。在此基础上，借助Halliday、Hasan、Bateman和Bhatia等学者的多模态语类分析理论，探究模态间的互动关系，分析网页的整体设计、语类特点和宣传手段等。研究发现，该网站通过象征意义、情感互动和显著性差异等手段，影响读者对美军的认知，引导读者对美军产生积极联想，从而回避现实问题，为美军塑造正面形象。在深入发掘网页的交际目的、结构潜势和互动机制的基础上，搭建多模态语类分析框架，揭示军事网站设计和社会文化背景的复杂关系，助力军队形象建设。     

统计学习理论在磨损量模型参数估计中的应用

讨论了摩擦片磨损量数学模型中未知参数估计的方法统计学习方法和线性方程组方法.利用最小二乘法,对采用线性方程组所估计的模型参数的误差进行了讨论,并得出结论在磨损量测得的情况下,以在(0,1)区间内服从均匀分布的伪随机数构成系数矩阵确定未知参数是可行的.     

利用统计方法进行量化考核

量化考核是现代企业管理中一项十分重要的内容。如何对企业的管理者进行量化考核、评价和激励,是单位领导者非常重视但又难以解决的问题,难就难在如何确定一个科学、合理、有效的量化考核系数。我们认为利用统计学的方法就可以很好地解决这个难题。     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

地空导弹武器退役的模糊聚类分析

本文对影响武器装备退役的主要因素进行了分析 ,给出了各因素的评估模型 ,运用模糊聚类法对地空导弹武器的退役进行了分析 ,为退役决策提供了一种定量分析方法     

信息化战场中基于智能体聚类的信息处理

研究了信息战条件下信息的处理问题,通过分析信息化战场条件下战场环境和人员的特点,提出了一种基于智能体聚类的信息处理方法,通过该方法来实现战场信息的通信、传输、交换从而协助指挥员决策。该方法的特点是可以根据战场的环境进行聚类,降低了信息的复杂度从而保证及时有效地传递消息。该方法通过智能体平台实现,具有一定智能性并减少了指挥员的决策难度,对指挥自动化而言是一个很好的实例。     

神经形态器件现状与未来

为解决现有冯·诺依曼计算机面临的低智能、高能耗、低容错等问题,"类脑计算"应运而生。"类脑计算"借鉴大脑的体系结构和信息处理方式,基于神经形态器件构建逻辑与存储相融合的计算硬件,旨在实现更为灵活和智能的信息处理与计算模式。在阐述"类脑计算"起源与发展现状的基础上,研究了人脑神经网络信息处理机制,重点介绍了神经形态器件的研发态势。神经形态器件作为类脑计算芯片和系统的基本组成单元,对于类脑智能的实现至关重要,因此研发能够高精度模拟生物突触、神经元信息处理功能的微纳器件是当前的研究热点。