基于系统关联分析的装备维修费用的灰色系统预测研究

利用系统分析的方法对影响装备维修费用的因素做了分析．使用灰色关联分析的方法讨论了影响装备维修费用的主要因素．通过灰色ＧＭ（１,１）建模,给出了装备维修费用的预测．     

火炮射击精度的灰色系统预测

本文应用灰色系统预测的理论与方法,建立了射击精度的子系统与系统的预测模型,为从微观、宏观上控制误差,提高射击效果,提出了一种科学的预测方法。     

“作战云”理论视阈下的装甲兵装备保障

"作战云"的作战理念将引发装甲装备保障领域的深刻变革。文章剖析了"作战云"理论视阈下装甲兵装备保障问题的基本内涵,从装备保障力量部署、指挥控制方式、协同方式、防护手段四个方面分析了"作战云"视阈下装甲兵装备保障的主要特点,提出"探测——决策——保障——评估"的装备保障行动流程。     

基于模糊评判的某行星转向机故障预测研究

为了实现对自行火炮传动系统的预测维修,以行星转向机为例,运用动态模糊综合评判的办法,提取引起行星转向机典型故障的关键影响因素,探讨了动态模糊判断矩阵和动态权重的确定方法,在此基础上确定了其动态预测模型,并用实例验证了模型的正确性。     

基于MSOA神经网络模型的装备保障费用预测

引入基于多步骤优化方法(MSOA)神经网络模型用以预测装备保障费用。实验结果表明,与传统的ARIMA时间序列模型和常规BP神经网络模型相比,基于MSOA神经网络预测模型具有更高预测精度。因此,该模型是一种更有效的装备保障费用预测模型。     

基于R-树索引的Map-Reduce空间连接聚集操作

空间连接聚集是一种常用并且非常耗时的空间数据库操作,特别是在面对大规模空间数据集时,单机运行环境难以满足其对时空开销的需求,如何设计高效的面向云计算环境中的分布式空间连接聚集算法越来越受到人们关注。Map-Reduce作为云计算的核心模式受限于其扁平化的串行扫描操作模型,常被用来加速非索引的空间连接操作,现有工作尚无将Map-Reduce和R-树索引结合来处理空间连接聚集。因此,提出了基于R-树索引的Map-Reduce空间连接聚集算法(RSJA-MR)来更高效地返回连接聚集结果。提出一种分布式R-树索引结构以支持大规模空间数据的索引,RSJA-MR算法利用分布式R-树生成任务集,任务集的执行满足无依赖并行计算模式,很容易在Map-Reduce框架中进行表达。文中提出一种实时缓存策略以支持索引并发访问。实验结果表明:相比非索引的Map-Reduce连接聚集算法,在空间交叠连接聚集查询上,时间性能最少提升8%,在空间包含连接聚集查询上,时间性能最少提升近35%。     

一种云计算中的身份认证协议

针对当前在云计算中身份认证机制个人信息容易泄漏的问题,提出了一种云计算中的身份认证协议。协议的安全性是基于离散对数的难解问题。协议模型由用户、云服务提供者和注册实体等三个实体组成;通过先属性注册协议、后身份认证协议两个步骤完成整个认证过程;从用户伪装身份和云服务提供者盗取身份信息两个角度,对协议的安全性进行了分析;通过与云计算中基于公钥生成器的协议进行对比以及实验仿真,证明了该协议在对承诺的注册和认证时间上的优越性。     

多准则下反导作战单、多遭遇点预测模型

整个反导射击过程可以简单看作一个基于预测的遭遇点起始的,不断重复、修正的过程。分析遭遇点预测的时间和空间前提,并给出遭遇点预测的3个基本准则;在多准则下建立了单遭遇点预测模型,给出了模型公式中未知量的转化方法;分射击-观察-射击和射击-射击两种情况建立了多准则下多遭遇点预测和优化模型,并给出了拦截弹最晚发射时间的计算方法;就观察时机对遭遇点预测的影响进行了分析与建模。部分研究属于探索性的研究,相关结论对指控模型开发和实施连续反导,从方法和作战理念方面提供了一些参考。     

震灾应急物资动态需求预测模型研究

为提高应急物资需求预测方法的实用性,同时考虑提前期和需求的不确定性,采用安全库存理论构建震灾应急物资动态需求预测模型,以观测得到的实际到货量、实际消耗量和实时剩余库存量等信息来动态预测当前时刻应急物资的需求量。应用算例表明,所建模型不仅能够准确反映需求量与被保障人员总数的正相关关系,而且还能实时体现被保障人员总数的变化情况。因此,该模型能够为震灾过程中应急物资需求量的确定提供科学决策依据,具有一定的实用价值和应用前景。     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。