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.     

基于模糊灰关联分析的通信网运行可靠性评估

基于模糊灰关联度理论 ,提出了通信网运行可靠性评估的方法 .通过实例验证 ,该方法有效 .     

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。     

神经形态器件现状与未来

为解决现有冯·诺依曼计算机面临的低智能、高能耗、低容错等问题,"类脑计算"应运而生。"类脑计算"借鉴大脑的体系结构和信息处理方式,基于神经形态器件构建逻辑与存储相融合的计算硬件,旨在实现更为灵活和智能的信息处理与计算模式。在阐述"类脑计算"起源与发展现状的基础上,研究了人脑神经网络信息处理机制,重点介绍了神经形态器件的研发态势。神经形态器件作为类脑计算芯片和系统的基本组成单元,对于类脑智能的实现至关重要,因此研发能够高精度模拟生物突触、神经元信息处理功能的微纳器件是当前的研究热点。     

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.     

反直升机智能雷战斗部研制费用/效能分析

给出了反直升机智能雷战斗部总体效能的评价体系。对各种评价方法进行了分析 ,提出了适用于智能雷战斗部总体效能评价的层次 TOPSIS法。应用灰色系统预测理论解决智能雷战斗部研制费用估计问题 ,建立了灰色系统 GM模型。采用费效比值准则能较好地反映智能雷战斗部综合能力。通过实例计算可以看出 ,该方法能广泛地应用于弹箭系统     

基于变权灰色关联法的高超声速目标威胁评估

针对传统灰色关联法的权重设置采用常权法没有充分考虑目标状态变化而引起威胁程度变化的情况,提出了基于变权灰色关联分析法的高超声速目标威胁评估模型。根据高超声速目标的威胁特点和威胁能力,并结合敌我双方的对抗能力,提出了高超声速目标的威胁评估指标;利用变权理论、构造均衡函数,动态调整各威胁指标的权值,使其随目标状态变化而变化;并结合灰色关联法,将变权向量与目标的灰色关联系数进行了变权综合,得到各目标的灰色贴近度,通过仿真算例验证了模型的有效性和合理性。     

基于灰色模型的柴油机技术状态变化趋势预测

以某型坦克用柴油机为平台进行了大量实车实验，确定了能够表征柴油机技术状态变化的6个特征量，利用主成分分析法确定了柴油机寿命预测特征量；建立了灰色预测模型，并基于所测数据进行了技术状态变化趋势预测。研究结果表明：预测值接近于实际值，能够为柴油机的使用和合理维修提供依据。