区域防入侵中振动目标威胁评估研究

在分析地振动目标信号特征的基础上,提出了振动目标的威胁属性参数;建立了目标威胁隶属度函数和威胁等级判决模型;运用层次分析法确定了各目标威胁参数的权值,构建了振动目标的威胁评估函数,并通过实例验证了评估结果的合理性和实用性。     

舰艇编队协同作战的空中目标威胁评估研究

从系统分析舰艇编队协同作战的空中目标威胁评估问题入手,深入研究了协同作战环境下编队空中目标威胁评估的基本过程。在此基础上,针对编队协同决策的特点,建立了基于两层决策的协同作战环境下编队空中目标威胁评估模型,从而提出了舰艇编队协同作战的空中目标威胁评估方法。最后,通过实例说明了所提方法的有效性。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

Screening and selection procedures with control variates and correlation induction techniques

We consider the problem of identifying the simulated system with the best expected performance measure when the number of alternatives is finite and small (often < 500). Recently, more research efforts in the simulation community have been directed to develop ranking and selection (R&S) procedures capable of exploiting variance reduction techniques (especially the control variates). In this article, we propose new R&S procedures that can jointly use control variates and correlation induction techniques (including antithetic variates and Latin hypercube sampling). Empirical results and a realistic illustration show that the proposed procedures outperform the conventional procedures using sample means or control variates alone. © 2012 Wiley Periodicals, Inc. Naval Research Logistics, 2012     

地面防空威胁估计模糊优化计算方法及使用

在近年来研制成功的战术单位级地面防空作战指挥辅助决策支持系统基础上,介绍了为指挥员提供目标威胁判断使用的模糊优化评估算法以及威胁估计在地面防空指挥决策中的使用.     

消防办公网络安全需求分析及对策

通过简要介绍消防网络的构成及功能,进行网络安全及需求分析,并结合消防办公信息网的实际恃况,提出制定安全对策的几种建议.     

组合建模的航母战斗群威胁预警方法

根据航母战斗群的运动特性,提出用灰色模型与自回归时序组合建模方法构建其运动预测模型.依据此模型对双方火力控制区的变化进行预测,最后给出了航母战斗群威胁预警仿真系统的实现思路.解决了陆基常规导弹对抗航母战斗群的作战保障工程的部分问题,具有较强的军事应用价值.     

Minimum violations and predictive meta‐rankings for college football

This article presents two meta‐ranking models that minimize or nearly minimize violations of past game results while predicting future game winners as well as or better than leading current systems—a combination never before offered for college football. Key to both is the development and integration of a highly predictive ensemble probability model generated from the analysis of 36 existing college football ranking systems. This ensemble model is used to determine a target ranking that is used in two versions of a hierarchical multiobjective mixed binary integer linear program (MOMBILP). When compared to 75 other systems out‐of‐sample, one MOMBILP was the leading predictive system while getting within 0.64% of the retrodictive optimum; the other MOMBILP minimized violations while achieving a prediction total that was 2.55% lower than the best mark. For bowls, prediction sums were not statistically significantly different from the leading value, while achieving optimum or near‐optimum violation counts. This performance points to these models as potential means of reconciling the contrasting perspectives of predictiveness versus the matching of past performance when it comes to ranking fairness in college football. © 2013 Wiley Periodicals, Inc. Naval Research Logistics 61: 17–33, 2014     

基于话题模型的专家发现方法

专家发现是实体检索的一个重要方面。经典的专家发现模型建立在专家与词项的条件独立性假设基础上。在实际应用中该假设通常不成立,使得专家发现的效果不够理想。本文提出了一种基于话题模型的专家发现方法,该方法无需依赖候选专家与词项的条件独立性假设,且其可操作性比经典模型更强。同时,使用了一种排序截断技术,该技术极大地降低了模型的计算复杂度。使用CERC(CSIRO Enterprise Research Collection)数据集对模型的性能进行评估。实验结果表明,基于话题模型的专家发现方法在各个评价指标上均优于经典的专家发现模型,能够有效地提高专家发现的效能。     

基于用户相关反馈的排序学习算法研究

在信息检索中,系统需要根据用户查询将文档按照相似度大小进行排序,吸引了众多信息检索和机器学习领域研究者的眼球,并形成了诸多排序算法模型。然而并未考虑到查询短语与文档构成的特征对与用户相关反馈之间存在的同质性。在机器学习算法基础上,通过提取训练样本的主要特征进行有效聚类,并结合用户的相关反馈获取各个类中相关度判断的置信值,形成相似度判定模型,应用该模型来对测试样本进行相关度排序。算法对LETOR数据集进行了测试,实验表明,信息检索性能指标比其他排序算法有了进一步提高,并且无需复杂的数据预处理工作和手动设定算法参数。