非线性任务回报的UAV任务分配方法

针对UAV任务分配中任务回报值与执行任务的UAV数量成非线性关系问题进行了研究,改进了该问题的非线性约束数学模型,加入了回报比分析,提高了模型的准确性.根据所建模型运用互熵算法对模型进行了仿真.就算法性能与相似的其他非线性算法进行了对比仿真,结果验证了算法的有效性.     

基于改进TOPSIS模型的区域防空重点保卫目标优选与排序

根据区域防空重点保卫目标优选的依据和原则,确定了影响保卫目标重要程度的主要因素,建立目标属性矩阵,并运用层次分析法和熵权法进行组合赋权,利用改进逼近理想解的排序法模型对保卫目标的重要性进行了定量分析。实例分析表明该方法合理有效。     

基于层次定位的新疆高校核心竞争力综合评价研究

从人才培养、师资队伍以及科学研究等三个方面构建高校核心竞争力评价指标体系,运用熵值法对新疆六所高校进行综合评价,结果发现,无论是新疆综合型高校还是多科型高校,加强学科建设是提升所有类型高校核心竞争力的主要策略。而科研竞争力对新疆综合型高校核心竞争力提升的贡献最大,而对新疆多科型高校核心竞争力提升贡献最大的是学科竞争力与师资队伍竞争力。文章还提出了相应的对策建议。     

排列熵算法的应用与发展

重点阐述了排列熵算法的基本原理,总结归纳了该算法在医学、生物和机械等领域的国内外研究和应用现状,最后展望了排列熵算法的未来发展趋势。研究表明：排列熵算法能够有效放大时间序列的微弱变化,且计算简单、实时性高,已在信号突变检测方面显示出良好的应用前景。     

基于差分进化算法的运输直升机人员装载问题

针对空中突击作战中运输直升机资源有限、人员装载需求较大的特点,在满足装载原则约束的前提下,建立了以空间利用率最大化为目标的运输直升机人员装载模型,并提出了一种动态的差分进化算法对模型进行求解.该算法对传统差分进化算法的控制参数进行调整,同时加入个体适应度参数,设计了动态精英变异算子和动态二项式交叉算子,仿真实验证明,该算法可对运输直升机人员装载问题进行有效求解.     

基于组合赋权和直觉模糊集的合成营作战能力评估

针对评估指标权重未知、各时段权重信息已知的合成营动态作战能力评估问题.从作战要素的角度建立评估指标体系,利用组合赋权法获得评估指标的权重信息,最后在传统VIKOR方法思想的基础上,结合直觉模糊数的计算法则,利用直觉模糊加权平均算子(IFWA)对多个时段的评估结果进行集成,进而对每个合成营的作战能力进行评估.其结果与利用TOPSIS方法获得的结果进行比较,验证了该模型的可行性,为合成营作战能力评估提供一种新的思路.     

知识产权学科的性质与地位

前言 现代大学主要有两个目标.一个目标是科学研究,即学科建设.另一个目标是专业教育,即教书育人.学科建设与专业教育是有联系,但却是目标和功能不同的两个概念.     

一种基于熵值的装备维修性评价模型

本文提出了一种基于熵值的装备维修性综合评价模型,该模型包括评价指标的熵值度量模型、装备维修信息结构图和行为控制图以及基于熵值的评价指标聚合模型等3个方面.本研究首先在分析装备维修一般过程和维修性评价内容的基础上,构建了定性指标和定量指标相结合的装备维修性评价指标体系,分析了维修任务复杂度、维修保障复杂度和基于熵值的维修...     

基因短序列模式分析及其在5'剪接位点识别中的应用

短序列模式分析是基因序列分析的一个重要组成部分,在进行生物信号识别的时候,一般都会利用到短序列模式的信息。通常短序列模式的数目很多,如果每个都应用到生物信号识别中,会产生大量的参数,而且无法体现信号的主要特征。为了找出在识别信号位点中起关键作用的短序列模式,以信息增益作为评价依据,按照逐步选择的策略,将模式进行排队。根据排队结果,选取信息增益突出的短序列模式作为识别生物信号的关键依据,这样可以用较少的模式得到较好的结果。结合选取的短序列模式,用最大熵模型作为信号序列真实分布的估计,从而对给定序列进行识别。最后将这个方法用于5’剪接位点的识别,得到了满意的结果。     

基于CEEMD能量熵与极限学习机的滚动轴承故障诊断方法

鉴于滚动轴承振动信号具有非线性、非平稳的特点以及难以获得大量典型故障样本的现实情况,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)与极限学习机(extreme learning machines, ELM)相结合的滚动轴承故障诊断方法。采用CEEMD方法对滚动轴承非平稳的原始加速度振动信号进行分解,得到若干个平稳的本征模函数(intrinsic mode function, IMF)分量,计算不同状态下滚动轴承振动信号经CEEMD分解后各IMF分量的能量熵,从蕴含着主要故障信息的IMF分量中提取出能量特征,对其进行T分布随机近邻嵌入(T-stochastic neighbor embedding, Tsne)聚类可视化分析,观察特征对滚动轴承状态的反映情况,将特征作为输入建立极限学习机,判断滚动轴承的工作状态和故障类型。使用美国凯斯西储大学公开的人工损伤轴承数据进行仿真实验,对轴承得不同运行状态的识别准确率可以达到95%,明显高于多分类支持向量机、K近邻等方法,该结果表明,所提方法在...