基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

舰载机回收任务的优化调度算法及仿真

针对舰载机回收过程中,飞行甲板跑道容量的瓶颈问题,比较了几种常见的排序算法,并运用Mat-lab和Lingo软件分别对先来先服务、基于最早到达时刻、滑动窗3种算法进行了计算机仿真。仿真结果表明,滑动窗排序法排序结果最好。最后,指出了滑动窗初始窗口飞机数目和移动步长对算法复杂度和排序结果的影响。     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

地空导弹武器退役的模糊聚类分析

本文对影响武器装备退役的主要因素进行了分析 ,给出了各因素的评估模型 ,运用模糊聚类法对地空导弹武器的退役进行了分析 ,为退役决策提供了一种定量分析方法     

信息化战场中基于智能体聚类的信息处理

研究了信息战条件下信息的处理问题,通过分析信息化战场条件下战场环境和人员的特点,提出了一种基于智能体聚类的信息处理方法,通过该方法来实现战场信息的通信、传输、交换从而协助指挥员决策。该方法的特点是可以根据战场的环境进行聚类,降低了信息的复杂度从而保证及时有效地传递消息。该方法通过智能体平台实现,具有一定智能性并减少了指挥员的决策难度,对指挥自动化而言是一个很好的实例。     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

炮射导弹武器动态参数综合测试系统设计

改变传统的炮射导弹武器激光控制和火炮发射系统动态参数的测试模式，基于计算机总线技术、高速图像采集与处理技术以及激光阵元探测技术，设计了炮射导弹武器动态参数综合测试系统。详细介绍了系统的设计方案及其工作原理。该系统在野战条件下可对多种型号炮射导弹的性能进行动态参数测试及评估。     

FCM和粗集在雷达信号识别中的应用研究

连续属性离散化是粗集理论应用中面临的主要问题之一.对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗集理论将其属性进行约简提取有用规则.将此方法应用于雷达信号类型识别,可以直接从原始数据中得到识别信息,仿真实验结果证明利用此离散化方法得到的识别规则对雷达信号识别是有效和可靠的.     

基于仿真环境的航空态势图像评估

航空态势图像在现代高技术战争中有着重要的作用,航空态势图像的品质直接关系到作战结果.首先建立了评估模型,提出了在仿真环境下度量指标的方法.然后介绍了灰色聚类分析方法及其评估步骤.最后,基于仿真环境下,用灰色聚类分析的方法来评估航空态势图像的品质.结论证明,指标的度量方法和图像的评估方法是有效可行的,结果是正确的.     

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。