作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。     

基于改进MUSIC算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无需重构原始波形,无需计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

高速行进坦克身管速度对射击精度影响

坦克在高速行进时,由于路面谱等外部激励的影响,车体姿态和运动状态都会发生变化。由于车体的振动和随动系统的控制误差等,致使坦克火炮在射击时身管前端存在一定的速度扰动。原有解命中问题的条件中未考虑这一速度扰动的影响,使得坦克在高速行进条件下的目标提前点预测产生误差。通过建立外弹道模型,较准确地仿真分析了这一误差的大小和对射击精度的影响。     

坦克分队快速机动协同控制系统构想

作为一体化联合作战体系中重要的陆基栅格节点,坦克分队的快速机动能力对于顺利完成机动突击任务具有重要影响,而坦克分队的机动协同控制则是实现分队快速机动的关键。首先提出一种坦克分队协同控制系统架构,然后对该架构的组成及关键技术进行了探讨和分析,期望有助于提升新型坦克分队的快速机动能力。     

基于组织协同进化的软件缺陷预测方法

针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。     

供电电缆磁场辐射的预测模型及优化设计

基于磁场叠加原理,建立了单相、三相、并联单相、并联三相供电电缆常见布局方式下的磁场辐射计算模型,并给出了降低电缆磁场辐射的优化布局方法。仿真与实验结果表明:该计算模型有较高的准确性,有助于把握供电电缆磁场辐射的决定因素,可用于快速指导供电电缆的优化设计,以避免反复的仿真或实验试探,缩短设计时间,降低设计成本。     

基于锥形量热法的油池火相似性及点火特性模拟实验

针对油料池火灾相似性及点火特性研究需要,构建了一种基于耗氧原理的油池火锥形量热法模拟实验系统,引入火灾尺度相似性概念,研究了实验室尺度油池火与真实尺度油池火的相似性关系,探讨了实验室尺度油池火预测真实尺度油池火的可行性,基于实验室尺度锥形量热法研究了油池火点火特性,得到了辐射强度、辐射距离对油料点燃时间的影响规律以及点燃时间与锥照射强度之间的拟合公式。     

面向作战任务的弹药消耗预测模型研究

针对战时弹药供应存在断供以及盲供问题,从实战情况出发,按照宏观把握与微观分析相结合的思想,在重点分析弹药消耗规律与补给特点的基础上,建立了基于消耗规律的战时弹药预测模型．以红蓝双方对抗演习为背景,以影响弹药消耗与补给的各类因素为落脚点,通过数值计算与结果对比分析,验证了预测方法的有效性,一定程度上为指挥员宏观层面上整体把握弹药消耗规律,快速制定弹药补给方案提供了重要的辅助支撑作用．     

基于RBF神经网络的军事物流设施规模预测

确定合理的军事物流设施规模对于成功实施军事后勤保障十分重要。提出了基于RBF神经网络的军事物流设施规模预测模型的建模方法,该方法旨在确定军事物流设施规模与其影响因素之间的非线性关系;采用算例说明了基于RBF神经网络的军事物流设施规模预测的具体做法,对军事物流设施规模的确定具有指导意义。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。