装备完好率要求和人才成长规律的维修任务分配方法

装备完好率是军事单位战备完好性水平的重要组成部分,人才的成长需要在实践中锻炼,针对我军装备维修任务分配难题,根据不同维修级别的情况,分析维修任务分配对装备完好率水平和人才成长的影响,提出基于装备完好率要求和人才成长规律的维修任务分配方法,建立了基于装备完好率要求和装备保障人才成长规律模型,此方法对于提高装备完好率水平和装备人才成长建设具有十分重要的意义。最后,用实例对方法的正确性进行了说明和验证,实例结果表明,该方法更贴近部队实际,对于部队的维修任务分配有重要的指导作用。     

双层随机机会约束规划的通信干扰任务分配优化仿真

研究不确定条件下的通信干扰任务分配优化问题具有重要的军事意义。基于干扰效益因子的概念,剖析了影响通信干扰任务分配的不确定性因素,建立了基于双层随机机会约束规划的通信干扰任务分配优化模型,设计了遗传蚁群智能算法,实例计算得到了通信干扰任务分配的最佳策略。     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

面向作战任务的作战系统冲突检测与消解研究

以作战任务为中心,动态集成作战系统是当前军事领域研究的新课题,从多个作战任务的时间冲突和作战系统状态能力有限性出发,研究作战系统在执行作战任务过程中存在冲突的问题,给出冲突规则的形式化描述,提出了冲突检测与消解的算法,最后通过实例对算法进行了验证。     

基于灰色聚类和模糊综合评判的装备——装备群健康状态评估

针对目前装备健康状态评估存在的问题，建立了一个基于灰色聚类和模糊综合评判的“装备-装备群”两级评估模型。该模型利用灰色聚类法来评估单个装备的健康状态，将得到的单个装备健康状态的聚类系数向量作为模糊综合评判的隶属度向量，利用模糊综合评判技术来评估装备群的整体健康状态。详细论述了评估模型建立的关键问题：健康状态的分级、评估指标、白化权函数以及权重的确定。最后通过实例分析表明，该模型评估结果合理，可操作性强。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

基于模糊聚类方法的机场目标选择模型

在现代战争中,机场作为一个战略级别的目标,要发挥其整体的作用需要目标群中的每个子目标都能最大限度地相互配合,使其本身的价值充分地体现出来.针对当前在目标选择上片面的问题,根据模糊聚类方法的基本原理,结合机场本身的特征进行改进,构建了机场目标选择模型,通过计算,证明可以克服以往目标打击方案界定的不明确性,避免了选择目标的单一化.     

层次任务网络的作战计划建模及生成技术

针对以网络为中心的作战计划的特点,提出基于层次任务网络的军事作战计划建模方法.在对层次任务网络形式化描述的基础上,介绍层次任务网络计划求解算法.基于军事作战计划的抽象模型,提出军事和战计划中军事规则、作战使命、作战能力和作战行动过程等要素与层次任务网络的映射关系,并针对登岛战役案例对基于层次任务网络的军事计划建模和求解过程进行说明.     

一种应用聚类技术检测网络入侵的新方法

基于聚类技术提出了一种能处理不带标识且含异常数据样本的训练集数据的网络入侵检测方法。对网络连接数据作归一化处理后 ,通过比较数据样本间距离与类宽度W的关系进行数据类质心的自动搜索 ,并通过计算样本数据与各类质心的最小距离来对各样本数据进行类划分 ,同时根据各类中的样本数据动态调整类质心 ,使之更好地反映原始数据分布。完成样本数据的类划分后 ,根据正常类比例N来确定异常数据类别并用于网络连接数据的实时检测。结果表明 ,该方法有效地以较低的系统误警率从网络连接数据中检测出新的入侵行为 ,更降低了对训练数据集的要求。