基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.     

Rayleigh分布环境因子的经验Bayes估计及仿真

讨论了Rayleigh分布环境因子的定义和估计问题。基于逐次截尾模型,在LINEX损失函数下,给出环境因子的经验Bayes估计。最后利用Monte-Carlo方法对经验Bayes估计和极大似然估计进行了分析比较。结果表明,经验Bayes估计优于极大似然估计。     

Ⅰ型混合截尾下指数-威布尔分布的统计分析

在定时混合截尾情形下,研究了指数威布尔分布的统计分析问题。利用最大似然估计方法给出了指数-威布尔分布参数的最大似然估计。运用Lindley’s逼近方法计算出了分布参数的Bayes估计。最后,运用Monte-Carlo方法对最大似然估计和Bayes估计结果作了模拟比较,结果表明Bayes估计优于最大似然估计。     

基于混合倒伽玛分布的Bayes区间估计方法在密集度评定中的应用

针对某型系列弹密集度评定,给出了基于混合倒伽玛分布的Bayes区间估计方法。该方法通过引入继承因子,有效利用了历史样本信息。通过对不同总体下随机抽样的方式,比较了该方法与经典统计理论中区间估计算法在风险特征方面的差异,结果表明:该方法估计精度更高,具有更好的稳健性,尤其是纳伪概率控制较好,为科学、有效评定系列化弹药密集度提供了思路。     

评定舰炮武器系统可靠性指标MTBF的Bayes方法

为解决目前舰炮武器系统可靠性试验时间长、样本量小、双方风险高的实际问题,提出了基于验前信息评定舰炮武器系统可靠性MTBF的Bayes方法,充分挖掘了验前信息资源,有效缩短了试验时间,经仿真计算表明,在同等现场试验条件下,采用该方法可大幅降低可靠性试验双方风险。     

基于神经网络的信息融合算法研究及其在入侵检测中的应用

目前,网络入侵技术越来越先进,许多黑客都具备反检测的能力,他们会有针对性地模仿被入侵系统的正常用户行为;或将自己的入侵时间拉长,使敏感操作分布于很长的时间周期中;还可能通过多台主机联手攻破被入侵系统.对于伪装性入侵行为与正常用户行为来说,仅靠一个传感器的报告提供的信息来识别已经相当困难,必须通过多传感器信息融合的方法来提高对入侵的识别率,降低误警率.应用基于神经网络的主观Bayes方法,经实验,效果良好.     

指数分布下可靠性参数的样条经验 Bayes 估计

基于可靠性参数的验前密度函数的样条密度估计，本文推导出指数分布失效率和可靠性函数的经验Ｂａｙｅｓ估计，并采用数学仿真将其与传统的Ｂａｙｅｓ方法，如Ｇａｍ ｍ ａ 验前分布的情况，进行了比较。仿真结果表明，本文的方法是有效的     

稳健协同优化方法的改进和应用

结合协同优化方法和稳健性设计方法,提出了一种稳健协同优化方法。首先分析了现有协同优化方法在进行稳健多学科设计优化时的不足,给出了改进思路;在协同优化模型的基础上加入稳健性因素,建立了稳健协同优化模型;基于动态松弛思想给出一种新的松弛因子的计算方法,提高了该方法的收敛速度;最后以某型无人机机翼外形设计为例,验证了该方法的有效性。     

验前信息在射击精度评估中的应用

验前信息的获取与合理应用是Bayes方法在武器系统射击精度评估中的关键。对验前信息的获取、验前信息的可信度及其计算进行了阐述,提出了考虑验前信息可信度的射击精度Bayes评估新方法,为武器系统射击精度评估提出了新思路。     

武器系统MTBF的Bayes评估方法

针对武器系统试验常常具有小子样的特点,分析推导了MTBF检验的Bayes方法,论述了MTBF的Bayes估计方法,并举例进行了计算分析。