基于满意决策的多UAV协同目标分配方法

目标分配是UAV自主控制的重要问题。提出了基于满意决策的多UAV协同的目标分配技术,为解决多UAV协同的目标分配问题和多机场起飞的UAV编队配置问题提供了一种新颖而有效的方法。重点对其中的满意集计算、联合满意度、拒绝度和选择度的建立和计算等关键问题进行了讨论。以压制敌防空火力任务为背景对该方法进行了仿真,并将本文提出的方法和其他方法做了比较,仿真结果表明基于满意决策的多UAV协同的目标分配方法在效率上有明显优势。     

基于FCM与粗糙集的连续数据知识挖掘方法

对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗糙集进行约简.文中针对该过程中样本数据离散化后出现多个聚类中心隶属度值较接近的情况,提出了隶属度重叠度的方法来扩展对应离散类别的选取.离散类别确定后再应用粗糙集理论对其进行知识挖掘,可得到连续数据的本质特性.此方法应用于汽轮机轴系振动数据的知识挖掘.与采用最大隶属度确定对应类别的方法相比,该方法不影响对连续数据的知识挖掘,并能真实反映连续数据的特性.     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法.针对这种划分,提出一种约简和去噪的方法.随后,建立了粗糙集和LVQ神经网络的联合模式识别系统.最后,比较了用该系统和仅用神经网络进行识别的效果,证明了该方法的有效性.     

Vague物元及熵权的空袭目标威胁评估

为了应对防空反导作战需求,提出了一种基于Vague物元及熵权的空袭目标威胁评估方法。建立了空袭目标威胁评估复合Vague物元的概念,提出了一种新的将复合Vague物元转化为适合度物元的排序函数,使复合Vague物元便于量化处理,并运用熵权法客观地计算出了各空袭目标属性的权重,根据空袭目标威胁评估物元与正负理想物元的相对贴近度最终得到了目标威胁程度的排序。实例分析验证了该方法的实用性和有效性。     

基于ePCANS模型的C2组织本体建模方法

指挥控制(C2)是战场的核心,现代C2组织既要能支持网络中心行动,还要能支持"计算战",因此建立C2组织的高层概念框架和一致的知识表达框架是C2组织研究的核心问题。对PCANS模型进行扩展,建立了C2组织高层概念模型——扩展PCANS(ePCANS),以ePCANS模型为基础,提出了C2组织本体的概念体系,并研究了C2组织本体建模方法。研究成果对C2组织的概念与应用研究具有重要的参考价值。     

粗集支持向量机的战斗机空战效能智能评估

根据现代空战特点,选取了战斗机的空战效能评估指标集,并采用粗糙集理论对指标体系进行约简,提取对空战效能影响起关键作用的特征参数,消除冗余信息,减少了支持向量的维数。支持向量机(SVM)具有结构简单、全局最优、泛化能力强的优点。根据所提取的特征参数,文中提出采用回归型支持向量机(SVR)建立空战效能智能评估模型。并通过实例与指数法和BP神经网络法计算结果进行了比较,验证了该模型的可行性和有效性。     

非线性组合序列的差分分析

针对非线性组合流密码的设计特点,结合明文编码与统计特性,分析了密文序列的差分性质,提出了攻击非线性组合序列的差分攻击算法。利用该算法,最后给出了攻击实例。     

基于集对分析的战场态势分析模型

在防空作战中,战场态势的分析非常重要,它是辅助决策的基础.针对战场态势的问题,以集对分析的同异反联系度和距离测度为基础,构造了战场态势的分析模型,进行了深入探讨.最后,通过实例计算表明了分析模型对于评估战场态势的可行性和有效性.     

非致命防暴动能弹作战效能评估

提出了非致命防暴动能弹作战效能的评估法,分析了非致命防暴动能弹的技术性能,建立了以非致命性为核心指标的防暴动能弹效能指标体系。采用定性分析与定量分析相结合,将集对分析法应用到了非致命防暴动能弹的效能评估中,对3种防暴动能弹进行了效能评估。为非致命防暴动能弹的研发生产提供了重要的理论支撑。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。