基于信誉度的军事信息服务选择方法

随着军事信息技术的发展,未来军事信息系统必然是基于服务思想构造的,为提高系统的可靠性与稳定性,提出了一种基于信誉度的军事信息服务选择方法。首先对军事信息服务信誉的含义和计算依据作了简要分析,然后在基础上,构建了基于信誉度的军事信息服务选择模型,并对模型的角色和操作进行了分析,最后对UDD I的扩展方法、军事信息服务信誉度的计算方法,以及基于信誉度的军事信息服务选择算法等模型实现的关键技术进行了探讨,为基于信誉度的军事信息服务选择方法的实现奠定了基础。     

指控信息特征的分析与捕获方法

为了进一步提高指挥信息系统的信息推荐效率,从信息本身和用户两个角度出发分析了指控信息的形式化描述方法,并提出了基于文本分析和配置文件描述的特征捕获方法。经案例验证,该方法对于军事应用中的信息推荐技术有一定的支持作用。     

信息推荐系统中的朋友关系预测算法设计

伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。     

地面火炮打击下的战斗减员建模研究

探讨了作战人员遭地面火炮打击后的战斗减员规律。以Anylogic为仿真平台构建多智能体仿真模型,参考武器毁伤实验数据,对作战人员遭地面火炮打击的情况进行了1 000次模拟,并绘制打击效果曲线。不同密度的兵力在遭受火炮打击的情况下,减员率随火力密度的变化规律基本一致,战斗减员率-火力密度曲线和战伤减员率-火力密度曲线近似对数曲线,而阵亡率-火力密度曲线基本是线性的。所构建模型可以定量描述作战人员遭火炮打击后的减员规律,对作战筹划工作和同类研究具有较高参考价值。