应用知识推理的防空兵射击指挥辅助决策模型

针对现代空袭方式的新特点,提出了应用知识推理的防空兵射击指挥辅助决策模型,在已经研究比较成熟的模型算法的基础上进行了改进,并将人工智能的知识推理引入辅助决策。定量计算与定性分析相结合,为解决防空兵射击指挥这种半结构化问题提供了新的思路。     

基于装备水平和知识的空中作战效果分析

分析了按作战效果进行空军武器装备需求分析的三种常用方法的特点,建立了一种全自动化解算模型,比较完整地讨论并描述了根据装备水平分析作战效果时需要考虑的关键因素,总结了需要使用的相关军事知识,并给出了表达方法,研究了推理机制。构建了各种战斗类型的效果评估模块,实现了软件系统并应用于一个重要课题研究,取得了比较理想的效果。     

ABDARDSS中基于候选消除学习算法的知识推理

飞机战伤评估和修理的知识表示与推理机制,是建立飞机战伤评估与修理决策支持系统(ABDARDSS)需要解决的一个关键问题。采用一种候选消除算法来提取战伤评估与修理样本数据的变型空间,以变型空间实现战伤评估与修理决策支持系统中的知识表示和推理。对于ABDARDSS来说,候选消除学习算法是一种新的有效的知识推理方法。     

基于粗糙集理论的武器系统效能评定

简述了各种武器效能评定方法。建立武器参数效能模型,首先要挑选特征参数,这里采用知识约简方法选择武器的特征参数。利用神经网络理论建立了参数效能模型,武器系统的效能与武器特征参数的关系可通过神经网络的阈值和权值得到体现。通过实例对神经网络法与指数法所得的结果进行了比较,结果表明神经网络法比指数法精确。     

基于领域知识的仿真策略及其在可靠性设计决策中的应用

在可靠性工程的需求驱动下,提出了一种描述性的模型框架:\"功能仿真模型\"。该模型既明确引入了反映系统工作原理的性能领域知识,又能刻画系统的功能逻辑关系,还能建立性能与功能的联系。在此基础上给出了可操作的、基于领域知识的仿真策略———在性能仿真基础上进行功能推理。最后讨论了该仿真策略在可靠性工程中的应用途径。     

故障诊断专家系统设计的几个问题

对故障诊断专家系统方案设计作了讨论,提出了方案设计要点、介绍了故障诊断知识库的建立,给出了典型诊断策略。     

小学语文课外阅读中协同知识建构的特征研究

小学阶段是培养学生阅读兴趣的重要阶段,这一阶段应该以多种形式开展课外阅读以培养学生的阅读素养。知识建构在培养学生语言能力、审美、鉴赏、创造思维、文化传承与理解方面发挥着重要的作用,在小学语文课外阅读中有广泛的应用空间。研究以小学五年级所开展的课外阅读为例,对学生在课外阅读中协同知识建构过程进行了分析,发现课外阅读过程中的协同知识建构具有过程性、自发性、可持续发展性的特征,对培养学生的口语表达能力、审美能力、创作能力和人际交往能力有积极的作用。     

我国青少年亲社会行为培养研究

青少年亲社会行为培养关涉一个民族、国家的未来和兴衰.青少年亲社会行为的深层次价值体现,乃是青少年对民族、国家的认同意识、忧患意识和担当意识的自觉与觉醒.对于青少年的亲社会行为培养,主要以坚持社会主义核心价值观为思想前提;以因循传统“知行合一”理论为培养的基本原则;以面向现实人生为培养的关键和落脚点,共同构建青少年的亲社会行为培养模式。     

基于FCM与粗糙集的连续数据知识挖掘方法

对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗糙集进行约简.文中针对该过程中样本数据离散化后出现多个聚类中心隶属度值较接近的情况,提出了隶属度重叠度的方法来扩展对应离散类别的选取.离散类别确定后再应用粗糙集理论对其进行知识挖掘,可得到连续数据的本质特性.此方法应用于汽轮机轴系振动数据的知识挖掘.与采用最大隶属度确定对应类别的方法相比,该方法不影响对连续数据的知识挖掘,并能真实反映连续数据的特性.     

The graph association problem: Mathematical models and a lagrangian heuristic

Graph association is the problem of merging many graphs that collectively describe a set of possibly repetitive entities and relationships into a single graph that contains unique entities and relationships. As a form of data association, graph association can be used to identify when two sensors are observing the same object so information from both sensors can be combined and analyzed in a meaningful and consistent way. Graph association between two graphs is related to the problem of graph matching, and between multiple graphs it is related to the common labeling of a graph set (also known as multiple graph matching) problem. This article contribution is to formulate graph association as a binary linear program and introduce a heuristic for solving multiple graph association using a Lagrangian relaxation approach to address issues with between‐graph transitivity requirements. The algorithms are tested on a representative dataset. The developed model formulation was found to accurately solve the graph association problem. Furthermore, the Lagrangian heuristic was found to solve the developed model within 3% of optimal on many problem instances, and found better solutions to large problems than is possible by directly using CPLEX. © 2013 Wiley Periodicals, Inc. Naval Research Logistics, 2013