排序方式: 共有110条查询结果,搜索用时 312 毫秒
91.
92.
93.
94.
95.
战场范围扩大、战斗实体位置疏散使得按照位置进行聚类的方法可信性降低。担负同一作战任务的若干战斗实体往往因保持队形的需要而具有相似的运动规律,因此,使用实体位置、速度、加速度等运动参量进行模糊聚类能够克服位置疏散带来的聚类困难。对实体的运动参量进行归一化,建立模糊等价关系矩阵,根据需要选择适当的截集水平进行聚类,得到不同级别建制的聚类结果。经实验数据检验,该方法能够取得满意的聚类效果,辅助各级指挥员对战场态势进行分析和评估。 相似文献
96.
97.
为了有效防控航空器相撞事故的发生,保证航空系统安全、有序和高效运行,提出一种基于单一聚类过程的人为因素分析分类系统(HFACS)诱发模式分析方法。在该方法中,首先,根据航空器相撞的具体特点建立了HFACS。然后,利用HFACS对发生的航空器相撞事故/事故征候进行量化,构建历史信息的数据表。最后,采用单一聚类方法对得到的数据表进行诱发模式分析,识别出重要的诱发模式及模式中包含的重要影响因素,并据此提出防相撞的管控措施。实例分析表明,所提出方法的实现过程简便,定性定量结合,形式易于理解,分析结果也更加贴近实际,对于提升防相撞的管理和决策水平,防范航空器相撞及减少造成的损失具有重要的实用价值。 相似文献
98.
为有效地对战争目标情报进行快捷、准确地分析处理,从而确定目标区域战场价值程度,以炮兵某次进攻战斗为战术背景,将敌防御区域按照目标分布特点划分为12个小区域;再根据目标的属性和打分原则,运用打分法分别求出各个小区域的综合得分情况;最后采用模糊聚类分析方法和Excel应用软件对其价值进行分析评估,依据模糊聚类结果从而确定重点区域,为指挥员和决策机关制定正确的策略提供科学的依据。 相似文献
99.
基于优化初始聚类中心K-Means算法的跳频信号分选 总被引:3,自引:0,他引:3
提出了一种优化初始聚类中心的方法.方法通过搜索参数统计直方图峰值预估类数目,并根据峰值位置确定聚类中心大概位置.由于优化的初始类心与实际类心相隔不远,聚类迭代次数大为减少.与传统的优化聚类中心方法相比,本方法计算量更少.最后将改进K-Means聚类算法应用于跳频信号分选,仿真结果表明,分选效果良好. 相似文献
100.
为合理评定坦克分队对抗演练过程中各单车的操作技能,基于各单车在对抗过程中的相关数据特征,运用模糊聚类算法对单车对抗水平进行聚类分析,得出了各单车的等级评定成绩。提出了一种改进的ReliefF算法,将其差异明显、差距较大的属性特征分离,为坦克单车以及分队找出差距、制定日后训练重点提供了重要依据,并通过一实例阐明了此方法的实现步骤,验证了此方法的科学合理性。 相似文献