结合离差最大化的多属性群体决策TOPSIS威胁评估

针对传统理想解逼近排序法(TOPSIS)在确定多个属性权重系数上存在主观性和盲目性,并且所作决策多为单一决策,精确度不高等问题,提出结合离差最大化原理的多属性群体决策TOPSIS改进模型,利用离差最大化原理确定属性权值,同时引进群体决策方法。最后将该模型运用于机群协同空战的威胁评估中,建立了多目标威胁评估数学模型,并进行了全空战过程的动态仿真分析,结果表明所建立的扩展模型是合理可行的。     

基于层次定位的新疆高校核心竞争力综合评价研究

从人才培养、师资队伍以及科学研究等三个方面构建高校核心竞争力评价指标体系,运用熵值法对新疆六所高校进行综合评价,结果发现,无论是新疆综合型高校还是多科型高校,加强学科建设是提升所有类型高校核心竞争力的主要策略。而科研竞争力对新疆综合型高校核心竞争力提升的贡献最大,而对新疆多科型高校核心竞争力提升贡献最大的是学科竞争力与师资队伍竞争力。文章还提出了相应的对策建议。     

一类有增益网络的最大流模型

一般带容量限制的网络图中流出源点与流入汇点的流量相等,但在实际应用中,存在一类流量经过弧发生变化的网络,使得流出源点与流入汇点的流量不相等。针对此类问题,建立了增益网络最大流模型,并通过增设虚弧将增益网络转换成循环网络,利用循环网络中汇点流量瞬间平衡的优点简化了模型。最后,结合实例进行分析,编写程序对实例进行了计算,计算结果验证了该模型的有效性。     

基于信息熵和TOPSIS法的装备战场抢修排序决策模型

成功的战场抢修是战斗力的“倍增器”,而及时有效的战损装备抢修排序决策是成功实施战场抢修的前提．在确定战场抢修基本原则基础上,分析了影响战损装备战场抢修排序的因素,通过目标属性本身输出的信息熵客观地确定属性权重,并结合TOPSIS法构建了装备战场抢修排序决策模型,最后通过实例对该模型的有效性和实用性进行验证．实例表明：该模型能够有效地解决战场抢修中多个战损装备的排序问题,是战损装备战场抢修分析及排序决策的一种有效工具．     

排列熵算法的应用与发展

重点阐述了排列熵算法的基本原理,总结归纳了该算法在医学、生物和机械等领域的国内外研究和应用现状,最后展望了排列熵算法的未来发展趋势。研究表明：排列熵算法能够有效放大时间序列的微弱变化,且计算简单、实时性高,已在信号突变检测方面显示出良好的应用前景。     

一种基于熵值的装备维修性评价模型

本文提出了一种基于熵值的装备维修性综合评价模型,该模型包括评价指标的熵值度量模型、装备维修信息结构图和行为控制图以及基于熵值的评价指标聚合模型等3个方面。本研究首先在分析装备维修一般过程和维修性评价内容的基础上,构建了定性指标和定量指标相结合的装备维修性评价指标体系,分析了维修任务复杂度、维修保障复杂度和基于熵值的维修效果的涵义;其次,给出了定性指标的熵值、定量指标的熵值以及基于权值的装备维修性熵值等计算方法;最后,给出一个装备维修性熵值评价的算例。算例结果表明,所提方法能够结合综合维修任务、维修保障和维修效果等多种影响因素进行装备维修性评价,不仅可以根据熵值大小对装备维修性水平进行高低排序,还可以分析影响装备维修性水平的瓶颈因素。     

A nonparametric approach to accelerated life testing under multiple stresses

Accelerated life testing (ALT) is concerned with subjecting items to a series of stresses at several levels higher than those experienced under normal conditions so as to obtain the lifetime distribution of items under normal levels. A parametric approach to this problem requires two assumptions. First, the lifetime of an item is assumed to have the same distribution under all stress levels, that is, a change of stress level does not change the shape of the life distribution but changes only its scale. Second, a functional relationship is assumed between the parameters of the life distribution and the accelerating stresses. A nonparametric approach, on the other hand, assumes a functional relationship between the life distribution functions at the accelerated and nonaccelerated stress levels without making any assumptions on the forms of the distribution functions. In this paper, we treat the problem nonparametrically. In particular, we extend the methods of Shaked, Zimmer, and Ball [7] and Strelec and Viertl [8] and develop a nonparametric estimation procedure for a version of the generalized Arrhenius model with two stress variables assuming a linear acceleration function. We obtain consistent estimates as well as confidence intervals of the parameters of the life distribution under normal stress level and compare our nonparametric method with parametric methods assuming exponential, Weibull and lognormal life distributions using both real life and simulated data. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 629–644, 1998     

基于熵法的炮兵战场目标价值分析

目标价值分析是炮兵作战情报信息处理的中心工作。如何从炮兵战场众多的目标情报中确定其价值,并根据作战任务需要选择要射击的目标和确定优先顺序,是炮兵指挥员及其参谋人员的一项重要任务。根据熵法和模糊决策对炮兵战场目标价值进行了分析和排序,为炮兵指挥员的决策行为提供依据。     

Estimating distribution functions from partially observed samples

Suppose that some components are initially operated in a certain condition and then switched to operating in a different condition. Working hours of the components in condition 1 and condition 2 are respectively observed. Of interest is the lifetime distribution F of the component in the second condition only, i.e., the distribution without the prior exposure to the first condition. In this paper, we propose a method to transform the lifetime obtained in condition 1 to an equivalent lifetime in condition 2 and then use the transformed data to estimate F. Both parametric and nonparametric approaches each with complete and censored data are discussed. Numerical studies are presented to investigate the performance of the method. © 2000 John Wiley & Sons, Inc. Naval Research Logistics 47: 521–530, 2000     

基因短序列模式分析及其在5'剪接位点识别中的应用

短序列模式分析是基因序列分析的一个重要组成部分,在进行生物信号识别的时候,一般都会利用到短序列模式的信息。通常短序列模式的数目很多,如果每个都应用到生物信号识别中,会产生大量的参数,而且无法体现信号的主要特征。为了找出在识别信号位点中起关键作用的短序列模式,以信息增益作为评价依据,按照逐步选择的策略,将模式进行排队。根据排队结果,选取信息增益突出的短序列模式作为识别生物信号的关键依据,这样可以用较少的模式得到较好的结果。结合选取的短序列模式,用最大熵模型作为信号序列真实分布的估计,从而对给定序列进行识别。最后将这个方法用于5’剪接位点的识别,得到了满意的结果。