基于云模型的航空装备维修保障能力评估

针对航空装备维修保障能力评估问题,在把握航空装备维修特点和系统分析影响因素的基础上,构建了以信息化优势为主导的航空装备维修保障能力评估指标体系;提出一种基于AHP的改进熵值法确定各级指标权重,有效融合了主客观信息;引入云模型原理,将不确定性因素转化为定量化数字特征,开展基于云模型的航空装备维修保障能力评估。实例表明,该评估方法能够科学、准确地评估航空装备维修保障能力,具有可行性和有效性。     

C4ISR网络安全态势的可拓云理论综合评估方法

为了对C4ISR网络的安全态势进行精确评估,提出了一种基于云理论和可拓学的评估方法。分析了影响C4ISR网络安全态势的评价指标体系,通过主客观综合赋权法确定各评价指标的权系数。在此基础上,利用云理论和可拓学中的基元理论,构建C4ISR网络安全态势的综合评估方法。通过对实例的分析,表明了该方法的可操作性和优越性。     

云模型改进惯性权重的混沌交替粒子群算法

标准粒子群算法通过线性减小惯性权重系数来调整寻优性能,但缺乏智能化机制易导致算法后期产生早熟或陷入局部最优而产生僵局。针对这一问题,提出一种基于云模型改进惯性权重的混沌交替粒子群优化算法。根据粒子迭代变化关系,采用云模型理论对惯性权重ω进行智能化调整,以平衡其全局和局部搜索能力,防止算法产生局部僵局;另外,判定粒子稳定性,对于可能陷入局部僵局的稳定粒子进行混沌扰动,促使其跳出僵局进而向最优位置更新。实验与分析表明,基于云模型改进惯性权重的混沌交替粒子群优化算法能够跳出局部僵局且具有较高的寻优精度,算法接近完全收敛时的平均迭代次数,较现有相关研究分别降低了13.73%~20.11%。     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

基于犹豫层次分析和云模型的我国沿海军港气候变化影响与风险评估

针对全球气候变化背景下我国沿海港口自然环境变化的复杂性和不确定性,以及我国沿海军港气象海洋灾害愈加频繁的变化趋势,研究探讨了我国沿海四个主要军港可能面临的气候变化风险.针对风险评估建模时难以有效评判社会因素、自然因素的困难,提出了犹豫层次分析法和云模型结合的研究思路,构建了沿海军港气候变化风险评估模型,旨在为我国沿海军港建设规划和应对气候变化提供决策建议.研究思路和方法途径也可为其他气候灾害评估和风险防范提供参考.     

基于改进AHP和云模型的质量状态定性评估

针对传统云模型在质量状态定性评估中存在的评语云化方法、指标权重确定和评估结果判定3个方面的不足,提出了一种基于改进AHP和云模型的定性评估方法。通过设置一个AHP自动调整器使判断矩阵自然满足一致性要求,避免了反复一致性检验导致的繁琐计算以及隐含的盲目性问题,并且根据构造的专家相似矩阵,有效筛选并排除极端专家意见以求解合理的权重值;结合德尔菲法,利用逆向云发生器直接生成评语的云模型,逐步寻优获得了统一协调的意见;此外还设计了一种基于平均隶属度的云相似度度量方法,实现了评估结果与定性评语之间隶属程度的量化表征。最后以某导弹雷达导引头为评估实例,验证了评估方法的有效性和优越性。     

基于支持向量机的高空无人机侦察目标识别

针对高空无人侦察机遥感图像目标不明显、图像背景复杂等特点,提出了一种基于支持向量机的目标分类方法。将支持向量机应用于高空无人侦察机的遥感图像目标识别,并且对特征值的提取进行深入研究。实验结果表明,特征值输入的多分类器在识别性能上具有很高的识别率,对提高高空无人机的侦察能力具有重要意义。     

机载激光雷达数据的三维深度学习树种分类

针对传统基于激光雷达(Light Detection And Ranging,LiDAR)数据的树种分类方法难以直接且全面地利用点云的三维结构信息的问题,提出一种基于三维深度学习的机载LiDAR数据的树种分类方法.该方法直接从三维数据中抽象出高维特征,而无须将点云转化为体素或二维图像.以塞罕坝国家森林公园内白桦和落叶松...