日常交互中朋友关系强度度量方法

针对如何度量日常生活中人们之间的关系强度问题展开研究,提出一个从日常轨迹、语义位置以及语义标签三个层次度量朋友之间关系强度的层级模型FRSHV。采用动态时间规整模型通过计算朋友之间的空间距离来度量其日常轨迹之间的相似度,进而使用轨迹序列熵值对用户每天轨迹的相似度进行加权处理,将其作为朋友之间的关系强度;采用主题模型隐含狄利克雷分布分别计算朋友之间的基于语义位置和语义标签的行为模式的相似性,将其作为朋友之间的关系强度;采用集成学习的思想对三个层次的度量结果进行投票,以投票结果作为最终的朋友之间的关系强度。在公开数据集上对FRSHV模型的有效性进行实验验证,结果表明该模型能够有效地度量朋友之间的关系强度。     

基于“综合赋权”模糊物元模型的机场运行安全评价

为了保证机场运行安全,防止事故的发生,依据模糊物元分析理论,结合机场运行安全评价指标体系,构建了基于综合赋权的机场系统模糊物元安全评价模型。在该模型中,通过层次分析法和熵值法主客观综合所确定的权重,为指标体系进行线性加权,实现综合赋权,从而将计算得到的综合权重用于模糊物元建模与评价。实例分析结果表明,该模型步骤简单,过程科学合理,并兼顾了主客观因素的影响,评价结果总体反映了机场的真实安全水平,也为机场安全的科学评价提供了新思路。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。     

基于灰色关联投影法的空中加油机驻场选址评价

提出了一种基于灰色关联投影法的空中加油机驻场选址评价方法,分析了空中加油机驻场选址影响因素,设计了评价指标体系,并运用熵值理论客观赋权,构建了加权灰色关联决策矩阵。通过比较备选方案与理想方案灰色关联投影角,根据灰色关联投影值对备选方案进行优劣排序。算例分析结果符合现实场站选择条件,说明该方法能够有效解决空中加油机驻场选址问题。     

基于熵权的改进ADC法通信基础网作战效能评估算法

以美国工业界武器系统效能咨询委员会提出的ADC模型为基础,提出了一种将熵权法和ADC方法结合的一种改进方法。在确定军事通信基础网作战能力指标体系的基础上,用熵权法求解ADC模型中的能力向量C,对ADC方法的评估模型进行了修正。该方法克服了ADC方法在求解能力向量C时缺少规范的指标体系的缺点,使不同条件下的作战能力因子ck得到比较准确的衡量。实例仿真计算的结果,说明了该法的有效性和科学性。     

基于AHP与熵权的舰艇编队信息作战能力模糊综合评估

在确立了舰艇编队信息作战能力评估指标体系的基础上,运用AHP和熵权法,得到评价指标的综合权重.通过模糊综合评判,得出综合评判总分.以舰艇编队的信息侦察处理能力为例进行综合评估.最后通过进一步研究分析,构建了一种数学模型,用于找出影响舰艇编队信息作战能力的薄弱指标.     

基于交叉熵和新转移函数的模糊神经网络分类器

针对目前普遍采用的误差平方和准则及Sigmoid转移函数在BP算法应用中存在的缺陷和不足,提出了基于交叉熵准则和新的S型转移函数构建的模糊神经网络分类器,并将这种分类器应用于心肌梗死的定位诊断,结果表明其训练效率和识别性能都明显优于传统的模糊神经网络。     

熵定律与军队国有资产管理制度创新

军队国有资产管理效率递减的趋势,是熵定律在军队国有资产系统中发生作用的具体体现。军队国有资产系统的封闭性、产权管理的模糊性、信息流通的缺乏性是产生军队国有资产管理熵值效应的重要原因。对军队国有资产管理熵值效应做出学理上的分析,有助于增进人们对于军队国有资产管理体制进行制度创新必要性和重要性的认识。     

熵、信息与战略欺骗

熵最初用于描述宏观物理系统的热力学状态,之后被广泛应用于控制论、概率论、数论、天体物理、生命科学等领域,但是在军事领域的应用研究还很少。以熵、信息等基本概念为基础探讨军事领域中在战略欺骗方面的应用,通过对战略欺骗的热力学分析,提出了负信息馈送原理,并给出了两种实施战略欺骗的操作技术。     

基于改进DS证据理论的指挥控制系统信息融合方法

对作战目标的识别是指挥与控制系统在作战环境中实施精确打击的前提条件,然而多种系统协同作战必然会对作战目标的识别有差异.针对冲突识别信息融合导致的目标识别不明确甚至错误的问题,提出一种基于改进DS证据理论的指控系统信息融合方法,该方法构建基于智联体的融合模型,在此模型基础上根据皮尔逊相关系数计算出目标识别信息的相关性权重...