异常市场的判别

给出了股票价格的Black Scholes模型中股票期望收益率μ及波动率σ2的估计,并证明了这种估计的良好性质。给出异常市场判别准则,提出第一、第二警戒值的计算公式。     

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

基于证据组合的直觉模糊群决策方法

对于属性权重已知,属性值以直觉模糊值形式给出的多属性群决策问题进行了研究,提出了基于证据理论的直觉模糊群决策方法。首先在计算直觉模糊值相似度的基础上,并考虑专家的信任度,给出了专家基本概率分配函数的计算方法。然后基于证据组合理论合成对单个属性以及综合属性的决策群体基本概率分配函数。通过计算方案效用值,来进行方案的排序。通过一个算例说明了该方法的有效性。     

基于D-S证据理论的炮兵战场目标价值分析*

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

对未知复杂体制雷达信号融合处理算法北大核心

针对算法对缺乏数据库的未知复杂体制雷达信号不能有效的进行融合处理的问题,提出了一种对未知复杂体制雷达信号融合处理算法。该算法首先进行实时建库,然后计算各参数的相似度,再利用D-S证据理论依次对信号各参数相似度和对各信号进行多层融合处理,最后合并完善信号。仿真实验表明该算法可较好对未知复杂体制雷达信号实现融合,处理有效率高,在大样本个数能保持稳定的处理有效率,且耗时较少。     

基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

基于云模型和证据理论的现役装备改进方案评价

针对部队现役装备改进方案影响因素复杂,评价方法不够系统全面,评价过程具有模糊性、随机性和不确定性等特点,提出了将云模型与改进证据理论叠集优化的现役装备改进方案评价方法.根据作战目的和任务要求,构建了装备改进方案指标体系,采取基于信息熵的专家群组灰色赋权的方法确定指标权重;通过云生成器确定基本概率分配;再结合Jousse...     

基于重要度的航材备件库存综合优化模型

航材备件的精确保障必须将装备的使用情况和备件库存控制问题结合起来,才有利于保障人员进行正确的决策。从飞机的可用度着手,根据不同的费用标准,结合飞机的可用度和边际效用分析得到相应的最优库存模型;当费用较少时,综合考虑备件的重要度和飞机的实际使用情况,用两两赋值法求出备件的重要度权系数,重新计算可用度并调整各备件的存储量,对库存进一步进行优化;最后,给出了所提方法的计算步骤。实验结果表明,所提方法在备件库存优化中既能保证重点又能兼顾一般,既能发挥装备的最大军事效益又能节约国防成本。     

东京审判日本辩护证据的历史考察

东京审判期间,日本辩护律师提出了大量证据,为日本国家行为及战争责任人进行无罪辩护。这些所谓证据,有的是日本政府文件,有的是军政要人著述,有的是证人证言,有的是历史影像,用辩护人自己的话说,总括起来,既是日本政府对外行动的全部主张,又是一部完整的现代史资料。这些证据的出示,在某种程度上减轻了日本的对外侵略罪责,但不能从根本上推翻法庭的指控,更不能否定日本对外侵略的史实。辩护证据以假象、谎言为依据,有的甚至颠倒黑白,成为战后右翼言行的重要渊源。