基于证据组合的直觉模糊群决策方法

对于属性权重已知,属性值以直觉模糊值形式给出的多属性群决策问题进行了研究,提出了基于证据理论的直觉模糊群决策方法。首先在计算直觉模糊值相似度的基础上,并考虑专家的信任度,给出了专家基本概率分配函数的计算方法。然后基于证据组合理论合成对单个属性以及综合属性的决策群体基本概率分配函数。通过计算方案效用值,来进行方案的排序。通过一个算例说明了该方法的有效性。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

一种定标缺失情况下的高光谱目标识别方法

高光谱遥感图像识别在民用和军事领域有着广泛的应用。在缺乏定标信息、缺乏同步观测大气光学参数情况下,对高光谱图像进行地物识别尚没有系统有效的方法,制约了其在定量遥感方向的应用。对此提出了一种利用粒子群算法优化6S模型参数基础上的高光谱遥感数据校正方法,并将其应用于定标缺失情况下的目标识别中。实验表明:在对遥感图像利用少许先验信息选择参数进行校正后,分类准确率为76.25%。而利用粒子群算法优化参数的6S校正后,分类准确率提高到91.58%,目标识别准确率得到了有效提高。     

基于自然连通度的复杂网络节点重要性度量方法

节点重要性度量是复杂网络研究中的热点问题。从复杂网络的抗毁性指标入手,给出了自然连通度的定义,并且以此为基础设计了基于自然连通度的复杂网络节点重要性度量方法。最后以著名的风筝网络为例,分析了该方法的适用性,并与其他经典的节点重要性度量方法进行对比,证明了该方法的合理性。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

加工容量对面孔识别异族效应的影响研究

利用汉族和维吾尔族被试,采用"学习——再认"范式,探讨工作记忆的加工容量对面孔识别异族效应的影响,结果发现在能完全加工学习的面孔材料时,不会出现异族效应.而在不能完全加工所有的面孔材料时,汉族被试出现了异族效应;而维吾尔族被试没有异族效应,即汉族再认汉族面孔的成绩要好于维吾尔族面孔,维吾尔族被试再认这两类面孔材料的能力相差无几.在做类似心理学实验时要注重实验的生态性.     

颠覆性技术对武器装备发展的影响及思考

当今世界,科技创新蕴含着无限机遇和巨大挑战,颠覆性技术发展必将对武器装备建设产生深刻影响。文章从对颠覆性技术的基本概念探讨出发,分析了颠覆性技术对武器装备发展的影响,研究了主要大国发展颠覆性技术的主要做法,最后给出了推进我国颠覆性技术发展的几点思考。     

后勤物资消耗测算系统设计需求分析

针对当前后勤物资消耗测算方法过于简单粗略的问题,以构建有效的后勤物资消耗测算系统为目的,对系统的设计进行了需求分析。介绍了后勤物资消耗测算的基本流程以及关键理论,研究了后勤物资消耗测算系统的用户特点以及应用流程,着重对系统的功能需求进行了分析,确定了系统各主要功能的相关内容,并按照功能需求确定了系统的组成结构和接口关系,为系统的设计和实现奠定了基础。     

基于QFD的作战部队演练任务需求分析?

需求分析是提高作战部队演练活动质量效益的重要保障。首先对QFD方法进行了概述;其次,提出了基于QFD的演练任务需求分析方法,探讨了基于QFD的任务需求分析过程,及其关键算法;然后,以电子蓝军反导防御作战演练为例,详细论述了基于QFD的演练任务需求分析方法的运用;最后,总结分析了基于QFD的演练任务需求分析方法运用应注意的几点问题。     

利用堆栈特征的片上末级缓存访问模式在线识别方法

很多优化处理器缓存利用效率的方法依赖于对访问请求序列的特征的探测或识别,例如,预取和绕开等。如何在线有效识别访问请求序列的特征依然是一个开放的问题。通过对典型访问模式的深入分析,发现其堆栈距离频度的分布展示出鲜明的特征。而模拟实验数据表明访问请求序列的特征具有一定的持续性和稳定性,具有检测和预测的可行性。因而提出了一种基于堆栈直方图峰值的在线识别访问模式的机制和方法,空间和时间开销都较小。对SPEC CPU2000/2006的15个程序的实验表明,所提方法均可正确识别测试程序的访问模式。