增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于半监督谱聚类的通信网台识别方法

针对通信网台识别准确率较低的问题,提出了一种基于半监督谱聚类的通信网台识别方法。通过密度峰值的方法构造决策图,得到通信网的数目;在谱聚类算法的基础上,利用侦察方掌握的先验知识,通过成对约束信息更新谱聚类算法的相似度矩阵,提升聚类算法性能,得到最终的网台识别结果。实验结果表明,该方法可以有效地利用知识库中已有的成对约束信息,较好地完成通信网台识别。     

基于模糊聚类分析在炮兵战场目标打击排序中的应用

炮兵战场上经侦察得到的目标情况往往比较复杂,利用模糊聚类分析法确定目标区域内各种目标的先后打击次序,建立模糊相似关系矩阵,最后在给定阈值的基础上计算出目标的优先打击次序,为战场指挥员提供比较合理的火力分配,从而最大限度地发挥炮兵火力效能。     

基于LEACH协议的研究与改进

无线传感器网络中如何节能是一个关键问题。对经典的LEACH协议做研究与改进,并提出了一种新型的动态网络转换机制。该算法通过综合考虑候选节点的地理位置、剩余能量等参数来进行网络协议的选择,从而有效地降低了低能量与位置不佳的节点被选为簇首的可能性,进一步保证网络内节点能量负载的均衡性。仿真结果表明,新型的动态网络协议机制能够有效平衡节点的能量消耗分布,延长节点与网络的寿命。     

基于B/S模式的雷达装备远程故障诊断系统

探讨了基于B/S模式的雷达装备远程故障诊断系统,利用知识库、Web等技术构建了一个供雷达部队使用的雷达诊断网,对系统的体系结构和功能模块以及所涉及的关键技术进行了分析和研究,实现了雷达装备的实时监控和故障的自动诊断,提高了雷达装备的可靠性和雷达部队的应急抢修能力。     

基于灰色理论的空天一体武器装备综合评价模型

针对空天一体武器装备体系这样的复杂系统,提出了以灰色理论为基础的灰色模糊综合评价方案。首先对主要影响因素进行分析,建立层次化的综合评价指标体系;然后通过专家打分法对定性评价指标进行量化,在此基础上,利用灰色关联分析法和灰色统计法,确定评价指标的权重,建立评价矩阵;最后采用模糊综合评价法,实现了对空天一体武器装备发展情况的综合评价。     

侵爆弹对框架类建筑物毁伤效果评估研究

为研究侵爆弹对框架类建筑物的毁伤效果,利用LS-DYNA有限元程序对单枚侵爆弹打击四层五跨建筑物进行了数值模拟。该程序利用流固耦合算法来模拟炸药对建筑物的毁伤,为了验证该算法的有效性,进行了房屋内爆炸试验和试验原型数值模拟,房屋内爆炸试验结果与数值模拟结果吻合,验证了该方法的合理性。利用该程序对侵爆弹打击四层五跨建筑物进行了数值模拟,结果表明炸点在第2层走廊中心时建筑物毁伤等级为中度毁伤,为目标毁伤效果评估工作提供了一定的参考。     

一种迷彩伪装效果评价指标权重分配算法

迷彩伪装效果评价的多指标权重分配多为平均分配或专家评判,难以客观、科学地评价伪装效果。提出了基于模糊聚类方法、结合信息熵和统计特征的多指标权重分配算法。该算法通过模糊聚类得到样本的分类结果,应用信息熵和统计理论计算各指标的权重分配。对以结构、纹理、颜色、二阶矩特征等为指标的迷彩伪装样本进行了权重分配实验,分析比较了专家评判法、熵权法和该算法确定的权重之间的差异,并通过实验验证了算法的有效性和科学性。     

基于乘积偏好关系的专家模糊核聚类赋权方法

多属性、多目标性决策中,针对专家给出各方案偏好关系下的决策问题,提出一种基于乘积偏好关系的专家模糊核聚类赋权方法。该方法运用模糊核聚类的思想实现对决策专家的聚类,并通过放宽归一化约束条件,克服了传统模糊核聚类算法中离群点对聚类结果的影响。同时,在专家类内赋权过程中,运用CI-IOWG算子集结同类专家的意见,依据不同专家对于形成类别一致性意见的贡献程度来确定专家权重;克服了传统基于熵权或判断矩阵一致性的赋权方法的局限性。算例表明,该方法可行、有效。