一种人工免疫系统改进算法的仿真研究

针对人工免疫系统在处理多维向量分类时存在的初始抗体数量“爆炸”问题,对人工免疫系统的反向选择算法进行改进,研究了初始抗体的生成机理,并在初始抗体的生成条件中加入新的约束,降低了人工免疫系统所需的初始抗体数量,解决了多维向量的分类问题,在实际应用中有着很强的推广应用价值。     

一种基于生物免疫原理的入侵检测新模型

入侵检测系统可以从生物免疫系统的很多特点中得到启发,文中利用生物免疫原理设计了一个新的入侵检测框架模型,该框架在传统信息传输网基础上构建了免疫淋巴网,用来监控和管理传统传输网的行为。模型中还应用了阴性选择、克隆选择等免疫算法,使得该模型对于入侵检测问题有较好的敌我识别功能。     

人工免疫算法在火力分配上的应用

人工免疫算法是新兴的智能计算方法,已被用于解决网络安全、模式识别、函数优化、遗传算法等领域的问题.为解决传统火力分配模型不易求解的问题,将人工免疫算法引入其中.简要分析了火力分配问题的数学模型,采用类比的方法构造了相应的人工免疫算法,比较了人工免疫算法和遗传算法的异同,并用人工免疫算法求解了该问题.结果表明该方法计算速度快、精度高,为解决火力分配问题提供了参考.     

基于种群分类的变尺度免疫克隆选择算法

提出了一种基于种群分类的变尺度免疫克隆选择算法.该算法通过对目标函数进行非线性尺度变换,突出了全局最优解的优势地位;建立记忆子群实现了种群代际进化信息的交换;依据亲和度将抗体分为精英子群、普通子群、劣等子群,并对其分别执行自适应高斯变异、均匀变异和消亡更新等策略,增强了算法的局部和全局搜索能力.引入小生境技术提高了抗体...     

基于插件技术的舰载指控系统应用框架

为提高舰载指控系统的灵活性和重用性,实现系统的按需配置与组合,在本编一体化、应用集成等技术基础上,提出了一种插件式舰载指控系统应用框架,详细的描述了该应用框架模型的组成以及框架内部消息通信机制,并对插件对象管理、本编一体化的集成框架等其中一些关键技术进行探讨.同时将这一理论成果成功应用到新型舰载指控系统原型的开发与实践中,实现了全插件式的舰载指控系统应用框架,实验证明该应用框架能显著提高指控系统开发维护的效率,是完全可行的.     

基于改进人工免疫算法的火力分配

随着现代武器杀伤力的极大提高,任何来袭目标的突防都可能造成极大的破坏,这对传统的火力分配提出了挑战。提出一种新的火力集中原则,在满足对来袭目标一定杀伤的前提下,适当转移火力,实现火力总的集中,据此建立了火力分配优化模型。通过改进人工免疫算法的抗体群,提高模型的求解速度,缩短方案的寻优时间。通过实例进行仿真,结果表明,基于改进人工免疫算法能较快速实现火力分配,算法具有一定的可行性。     

基于Office的消防符号插件设计与实现

为规范和统一基层消防部队制作灭火救援预案所使用的计算机图标符号,作者以字符库为基础,开发了在Office上使用的消防符号插件,以及软件在实际使用过程中的问题与效果,并探讨了灭火救援预案制图的发展方向。     

大空间建筑消防给水系统的优化研究

大空间建筑存在火灾危险性较大、消防员施救灭火困难等诸多问题,这对大空间建筑消防给水系统的设计提出了很高的要求,而随着现代建筑水平的日益提高,大空间建筑的个性化设计又给消防给水系统的设计增加了一定的难度。从研究常用的大空间建筑消防给水系统入手,分析当前大空间建筑消防给水系统常见的一些问题,并从三个方面对大空间建筑消防给水系统的设计优化提出可行性建议,以期对大空间建筑消防给水系统的设计优化有所帮助。     

基于AIS反面选择算法的炮射导弹故障诊断方法

提出将人工免疫系统（Artificial Immunity System,AIS）中的反面选择原理应用到炮射导弹故障诊断中,依据免疫算法实现故障诊断的基本原理,构建了基于反面选择算法的故障诊断数学模型,解决了在故障先验知识和故障特征信息缺乏等情况下的故障诊断问题,并通过对炮射导弹制导仪系统中的故障进行实例分析,验证了该方法的有效性和优越性。     

人工免疫系统的战场异态电磁信号检测模型

分析了复杂电磁信号环境下电磁信号监测的现实需求,抽象出"异态电磁信号"的概念。结合人工免疫系统建立起基于人工免疫系统的适用于复杂电磁环境下异态电磁信号检测模型,初步的信号检测实验表明该模型在信号检测准确性、检测时间等方面具有一定优势。     

基于改进遗传算法的天基光学监视平台轨道优化

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约一个量级。     

战术MANET中基于多态转移策略的蚁群优化QoS路由算法

战术MANET的QoS路由计算是一个NP完全问题,可以采用蚁群优化算法来求解.为了提高蚁群优化QoS路由算法的效率,降低时延和网络开销,提出了基于多态转移策略的蚁群优化QoS路由算法(MTS-AQRA).MTS-AQRA将链路稳定性和路由拥塞度与常规的QoS路由约束条件结合起来,利用多态转移策略产生的多样化路由搜索蚁群和并行路由搜索处理,能够在MANET网络中快速地建立满足业务QoS要求的稳定路由.仿真实验结果表明,MTS-AQRA在分组到达率、端到端时延、网络吞吐量等指标上综合性能优于AODV、AntHocNet、QoS-Aware ACO等路由算法.     

基于四维空间相似度的军械紧急调运方案优选方法

分析了军械紧急调运方案优选决策的混合多属性特点。基于TOPSIS方法的基本原理,首先通过方案属性值的四维属性值转化,将不同类型的属性值统一成相同的形式,然后通过定义四维空间相似度,将各类型属性值的相似度计算规范到统一的度量空间,解决了含有实数、区间数、语言值和不确定语言值等多种不同决策属性值的的军械紧急调运方案优选这一混合型多属性决策问题。计算示例表明了该方法的可操性和有效性。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.