HESTool:基于层次链知识组织的专家系统工具

提出了任务 (Task)的概念 ,每个任务代表一种知识源。不同的任务可以采用不同知识表示形式及推理策略。一个知识库由一组前向或后向链构成的任务链组成 ,实现了知识库的结构化、可视化 ,支持知识部件的可重用与共享。同时 ,结合可视化技术、数据库技术 ,开发出实用性较强的专家系统工具HESTool,该工具提供了一种知识建模机制     

加拿大山猫数据的几种时序模型分析

本文利用四种时间序列模型,即自回归模型、组合模型、疏系数自回归模型、门限自回归模型,分别对时间序列分析中一组有名数据,即加拿大山猫数据,进行模型拟合,并对得到的四个模型及预报结果进行了分析和比较。     

四元数的实矩阵表示

四元数代数在计算机图形学、现代物理学、卫星的姿态表示等领域中都扮演着重要角色,从数学角度对四元数进行彻底研究是有价值的,但是,由于不可交换性,四元数并不像人们期望的那样易于掌握。处理四元数的方法之一是把它们等同为实数矩阵,其中各位置上的元素当然是可交换的。这样的"等同"实际上是从四元数代数到Rn×n的代数嵌入。研究了从四元数代数到Rn×n的代数嵌入问题,给出了把虚单位映成带符号置换矩阵条件下的所有可能的代数嵌入。我们用的方法是去考虑四元数代数生成元(即虚单位)的象。我们考察这些象的性质并确定有哪些实数矩阵满足它们。然后,我们运用群作用的语言化简了问题。我们得到的结论是有趣的:决定着嵌入的那些关键性的矩阵对是由的实数矩阵对构成的。而这样的矩阵对本质上只有两对。     

基于Linux/QT的火控系统实时故障诊断方法

针对某数字化火控系统实时故障检测与诊断问题,提出了一种基于对象式框架知识表示的火控系统实时故障诊断方法。该方法采用专家系统与实时进程通信,获取故障征兆,进行实时推理定位故障源。给出了诊断系统的一般架构,介绍故障诊断系统知识表示的形式化描述,实时推理、规则匹配算法和UDP进程通信协议。实际应用证明了这种方法的有效性和可扩展性。     

杂波环境下机动目标跟踪的分布式估计算法

本文考虑了杂波环境下机动目标的多雷达跟踪问题，提出了一种分布式联合估计算法。子站独立于总站，并单独跟踪，把当地估计结果周期地传送给总站，由总站进行合并，得出基于所有子站量测的全局估计。数字仿真表明，分布式联合、估计算法在各种性能指标上都优于单站跟踪算法。     

空战仿真中平面机动方式的数学模型研究

本文研究空战机动方式的数学模型,给出了几个平面基本机动方式的数学模型及其详细指导。包括纯追踪、顺航向接敌、纯碰撞、正前置角接敌、负前置角接敌等。这些数字模型应用在一个平面双机格斗仿真专家系统中得到了良好的效果。     

基于混合矩的多输出模型确认指标研究

针对随机不确定性条件下多输出计算模型与物理实验数据之间一致性难以量化度量这一问题,本文提出一组新的基于混合矩的多输出模型确认指标。在不确定情况下,同时考虑到多维输出之间的相关关系和单输出的均值,构建了由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合固定位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,并与PIT和t-pooling 面积指标进行对比,结果表明本文所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

基于改进GM(1,1)模型的导弹贮存可靠性预测方法

针对导弹系统技术复杂、贮存样本量受限、测试数据波动性较大等特点,结合装备的具体情况提出了基于改进GM(1,1)模型的导弹贮存可靠性预测方法。该方法首先利用"对数-幂函数变换"对导弹的历史可靠性数据进行处理,提高数据光滑度,然后依据GM(1,1)模型计算得到可靠性预测值和残差,再利用残差建立残差修正模型,得到残差修正值,减少残差对结果的影响,最后利用残差修正值修正可靠性预测值并还原,求得可靠性最终预测值。实例表明,该改进模型对导弹系统可靠性变化的描述比传统模型更加准确有效,预测结果精度更高,为导弹贮存可靠性预测分析提供了一种有效的改进方法,其算法设计推广性强,可作为其他装备寿命预估的重要工具。     

考虑浮绳联结的双无人船艇系统协同控制策略研究

针对青岛等海域浒苔泛滥成灾的问题,开展了由浮绳柔性连接两艘水面无人船艇构成的双无人船艇系统协同控制策略研究,通过双无人船艇系统清扫浒苔,并将其拖运至海岸.考虑系统中的无人船艇动力、浮绳力矩和水流产生的干扰力矩,建立了欠驱动无人船艇三自由度动力学模型,提出了基于距离的包含编队和跟踪两个模式的协同控制策略.双无人船艇系统作...     

基于非负张量表示的扩展LDA标注模型

由于“语义鸿沟”的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计其参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。