数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

美国高超声速武器发展现状与得失简析

高超声速武器是世界各大军事强国进行科技攻关和装备发展的重要领域.美国是世界上最早开展高超声速武器研究的国家之一,在高超声速武器发展历史上曾长期居于领先地位.然而近年来,美国在高超声速武器领域疲态渐露,多个重点项目出现严重节点滞后,试验事故频发,以至于在高超声速助推滑翔武器和高超声速巡航导弹两大技术方向上均陷入了被其他国...     

Steady-state analysis of load balancing with Coxian-2 distributed service times

This paper studies load balancing for many-server (N servers) systems. Each server has a buffer of size b ? 1, and can have at most one job in service and b ? 1 jobs in the buffer. The service time of a job follows the Coxian-2 distribution. We focus on steady-state performance of load balancing policies in the heavy traffic regime such that the normalized load of system is λ = 1 ? N^?α for 0 < α < 0.5. We identify a set of policies that achieve asymptotic zero waiting. The set of policies include several classical policies such as join-the-shortest-queue (JSQ), join-the-idle-queue (JIQ), idle-one-first (I1F) and power-of-d-choices (Po d) with d = O(N^α log N). The proof of the main result is based on Stein's method and state space collapse. A key technical contribution of this paper is the iterative state space collapse approach that leads to a simple generator approximation when applying Stein's method.     

众包标签的双重置信度推断算法

标记者的知识水平、评价标准等均具有显著差异,导致收集到的标签质量参差不齐,提高标签和学习模型的质量对众包标签中学习起着关键作用。针对众包标签推断问题,提出了一种双重置信度推断算法,分别从数据分布特征及标签信息两方面计算得到标记者置信度,再通过此置信度推断数据集的集成标签,以此提高集成标签的质量。实验结果表明,与其他仅使用标签信息的推断算法相比,所提算法可以得到更优结果。     

面向混部云失败批处理作业的预测算法

为了降低混部云失败批处理作业的风险,使用K-means聚类算法将批处理作业分为四类,在分类的基础上提出了二层嵌套分类模型(two-layer nested classification model, TLNM),实现了基于TLNM的预测算法。基于Ali Trace 2018数据集上的实验结果表明,该算法的接受者操作特性(receiver operating characteristic, ROC)曲线明显优于其他常用分类器,ROC曲线下面积(即AUC)可以达到0.978,表明该算法具有良好的分类性能。同时召回率可以达到0.951,通过混淆矩阵可以看出TLNM算法能够准确预测出执行失败的批处理作业。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。     

结合流形滤波的矩阵信息几何检测器

针对小样本、非均匀杂波下的信号检测问题,提出一种基于流形滤波的矩阵信息几何检测器,将信号检测问题转化为矩阵流形上的几何问题。将每一个样本的相关性数据建模为一个托普利兹正定矩阵,在此基础上,利用每一个样本数据的邻近矩阵进行加权平滑滤波,去除一部分杂波能量,提升目标与杂波间的区分性。计算了辅助样本数据对应矩阵的几何均值,通过比较待检测样本数据矩阵与几何均值矩阵之间的距离与检测门限的大小,以实现信号检测。实验结果表明,与自适应匹配滤波相比,本文方法在小样本、非均匀杂波下具有明显的性能优势。     

结合平流层飞艇姿态的太阳辐射强度分布

平流层飞艇上表面太阳辐射强度的分布是影响光伏阵列输出性能的重要因素。为分析平流层飞艇飞行姿态对其上表面太阳辐射强度分布特征的影响,并建立飞艇动力学模型与太阳辐射物理模型交互耦合的计算模型。使用该模型对算例飞艇进行计算分析,量化得出飞艇偏航角和俯仰角耦合变化对飞艇表面太阳辐射强度分布影响的结果,并比较分析了太阳辐射强度受飞艇飞行姿态影响的特性。研究结果可用于指导太阳能电池阵在平流层飞艇上的优化布局和阵列构型。     

结合实时数据产品与北斗短报文的厘米级海洋精密相对定位

针对远海精密定位的广泛需求和传统精密定位服务费用昂贵的问题,提出利用北斗短报文设备传输导航观测数据,结合实时服务数据产品,以实现海洋的低成本厘米级精密相对定位。为了克服短报文传输频率低的缺点,采用融合空间相对定位和精密单点定位两种技术来加密分钟间隔以外的坐标,避免了传统时间基线法加密坐标存在的误差累积现象。分别基于静态和动态海洋观测数据进行仿真实验,结果表明,新方法无论在水平方向还是垂直方向上,都可以实现厘米级定位,且对时间间隔不敏感。     

适用于无人机集群应急通信系统分簇路由协议

无人机集群应急通信系统面临的最大挑战为集群网络拓扑的快速变化,因此,高效的自组网路由协议是保证无人机集群应急通信系统具有稳定链接性能的基础,同时也是该领域的研究热点。分析了现有无人机自组网路由协议不能完全适用于无人机集群应急通信系统的机理,采用MAC层和网络层联合设计思想,提出了一种基于簇结构和强化学习的分簇路由协议,簇内设计了基于簇结构的先应式路由协议,簇间则采用基于位置和链路质量Q学习的自适应路由协议,从而减小了路由维护开销、缩短了端到端时延,提高了转发成功率。仿真结果表明,在实现高效分簇的基础上,所研究的分簇路由协议可满足无人机集群应急通信系统的高动态、低时延和高可靠的要求,具有一定的实际应用前景。