物价指数是怎样算出来的

目前,我国对国民消费价格指数的编制采用了世界通用办法——抽样调查方法.即在全国成千上万种商品中选择部分有代表性的商品作为样本进行价格调查.在确定商品样本后,国家统计局城市社会调查队就派员进行调查,每     

基于AP-SVM模型的装备维修器材需求预测方法

在小样本条件下运用SVR模型预测装备维修器材需求量时,预测效果受随机干扰因素影响较大.为解决这一问题,提出了一种新的AP-SVM模型.首先,运用AP聚类算法对训练数据进行分类,将分类结果作为训练数据训练SVM分类器,并对待测试数据的所属类别进行判断;然后,根据数据类别构建训练向量集,对SVM进行训练,运用SVR模型计算...     

基于AR模型和K—L变换的中医脉象聚类分析

针对直接利用时域波形识别中医脉象准确率低的问题,提出了一种基于 AR 模型和 K-L 变换的脉象模糊聚类方法。首先对脉象样本作8阶 AR 模型拟合,模型系数构成样本的特征集,其次采用 K-L 变换对特征集进行了压缩,最后利用 F-PFSR(Fuzzy Pseudo F-Statistic Ratio)聚类法对临床实测的40例脉象样本进行了聚类分析。实验结果表明,该方法的聚类准确率平均为85%。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。     

基于集对-层次分析法的合成部队作战能力分析

为科学评估合成部队战斗力水平,在准确量化作战行动的基础上,设计定义了39个作战能力最小数据集,抽象出快速反应、情报侦察、指挥控制等11种专题作战能力评价体系。以该标准采集的数据为样本, 运用集对-层次分析法实现了合成部队作战能力的综合评估。最后以火力打击能力评估模型为例,验证了该方法的有效性实用性。     

基于TOPSIS法与灰色关联度法的故障样本分配方法

针对故障率作为维修性试验验证故障样本分配的主要影响因素,而使故障样本分配结果的合理性与可信性不足的问题,提出了一种基于TOPSIS法与灰色关联度法的维修性试验验证故障样本分配方法。构建了故障样本分配影响因素体系,采用残缺判断矩阵法确定了各影响因素的权重,基于TOPSIS法与灰色关联度法构建了故障样本分配的数学模型。以某型装甲车辆加温器的维修性试验为例,验证了所提故障样本分配方法的可行性,结果表明:相比按比例分层抽样的故障样本分配方法,所提方法的故障样本分配结果的合理性与可信性明显提高,更适用于装甲装备维修性试验验证工程实践。     

炮兵火力运用方案评估

根据炮兵火力运用实际,从战术、技术两个方面建立了炮兵火力运用方案评估因素集,确定了评判等级及各因素模糊化参考值,并给出了各因素的隶属函数,进而根据各战术、技术因素评判矩阵及各因素的权重向量,建立了对火力运用方案评估的模糊综合评判模型,并给出了模型应用示例.     

地空导弹部队集火射击模型

集火射击是地空导弹部队战术单位组织火力运用的一种重要方法,但是目前其组织实施主要依靠手工操作,比较复杂、耗时.对集火射击组织实施过程进行了深入分析,针对集火目标与火力单元的确定、集火射击诸元计算问题,建立了相关数学模型,实现了集火射击的自动化处理.通过在具体实例中的应用表明,该模型可信度高、实用性强,并且易于实现.     

无人机小样本条件下遮挡和混淆目标识别方法

针对无人机对地目标识别过程中的小样本问题以及目标存在的遮挡和混淆情况,提出了一种融合自注意力机制的小样本目标识别模型。在利用元学习思想获取小样本学习能力的基础上,将自注意力机制学习目标内部各部分之间的上下文依赖关系引入模型,从而增强目标表征能力,以解决遮挡和混淆情况下有效特征不足的难题。为验证模型效果,通过对基准数据集和无人机航拍数据进一步加工,构建了遮挡和混淆目标数据集,设置了不同的遮挡程度和背景混淆率。通过在不同数据集上的验证,并与深度学习模型对比,证明提出的模型具有更高的学习效率和识别正确率。     

小样本装备软件成本估算相关向量机建模

针对装备软件成本估算时面临的历史数据少的小样本难题,提出把机器学习理论运用到装备软件成本估算研究领域,构建了基于相关向量机的小样本装备软件成本估算模型,采用COCOMO模型数据库中的数据对所构建模型进行训练和验证。为进一步验证所构建模型的合理性,在机器学习领域分别运用支持向量机模型和神经网络模型对相同数据进行估算,实验结果证明了基于相关向量机估算模型在小样本装备软件成本估算时比其他两种模型更精确。     

地空导弹营战斗保障模糊评判模型

运用模糊数学的方法,结合地空导弹营的具体实际,给出了地空导弹营战斗保障能力的评价因素指标,建立了营战斗力的二级模型评判模型,并利用改进集值统计法确定了各因素的权重,给出了地空导弹营战斗保障能力的量化评判方法。     

基于集对分析的海上油料补给方法选择优化

针对各种复杂环境对海上油料补给方法选择的不确定性影响,在分析海上油料补给方法选择影响因素的基础上,确定了海上油料补给方法选择的属性要素,运用集对分析理论建立了海上油料补给方法选择的优化模型;采用变异系数法计算属性权重,通过构建海上油料补给方法选择的正、负理想方案,确定了各备选方案与理想方案之间的联系度。算例分析结果表明,将集对分析运用于海上油料补给方法的选择,能够有效降低多种复杂因素对油料补给方法选择的不确定性影响。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

基于BP神经网络的防空保卫目标分类

提出用BP神经网络模型对防空保卫目标进行分类的一种新方法。该方法建立分类评价的指标集,将分类的划分等级作为训练样本集,以指标的各等级标准值作为样本的输入特征值,建立多参数的BP神经网络防空保卫目标分类评价模型,然后用实例训练神经网络,得出了较合理的结论。     

基于卷积神经网络的多功能雷达行为辨识研究

针对多功能雷达行为状态复杂多变、难以识别的问题,提出了一种基于卷积神经网络的雷达行为辨识方法.建立多功能雷达行为辨识模型,对数据进行预处理,构建多功能雷达信号样本集.通过变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的信号加参数数组样本.并针对处理后的雷达行为数据集的特点设计卷...     

运用可拓理论提高指挥决策的科学性

本文运用可拓理论建立军事指挥决策的物元模型。通过求问题的解,得出指挥决策可行性方案集,并且建立了实施方案的难度函数,比较各方案的关联度和难度,确定最佳指挥决策。强调运用系统思维方式,把科学方法和指挥艺术结合起来,增强指挥决策的可靠性。     

作战准备车辆装备质量分层抽样方法研究

针对当前我军车辆装备质量全面技术普查过程中存在的问题,探索一种新的作战准备车辆装备质量评估方法——抽样评估法,综合运用简单随机抽样和分层抽样,提出作战准备车辆装备质量抽样的样本量确定方法和子样本量分配方法,最后示例说明该方法的应用。     

神经网络和DEA方法的炮兵火力毁伤先验评估模型

提出运用BP神经网络理论和数据包络分析(DEA)方法,对炮兵火力毁伤先验评估问题进行研究。利用以往经验数据建立样本集,通过BP神经网络预测模型,对待评估的炮兵火力毁伤计划进行分析,预测其毁伤效益,再建立带有偏好锥结构的DEA评估模型,分析火力计划的可行性和合理性;最后以某部17组炮兵火力毁伤数据进行实例分析。结果表明,该模型能给出科学、明确、可靠的先验评估结果。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。     

基于ELM的作战方案样本验证及评估方法

针对专家制定作战方案训练样本时容易受主观性影响的问题,提出了基于ELM的样本验证及评估方法。首先根据ELM建立作战方案样本的预测模型,然后更正错误标记的样本。仿真实验表明,利用ELM模型训练更正后的样本集能有效降低均方根误差值和提高预测的准确率。与RBF神经网络相比,训练ELM模型的时间缩短了98.8%,而且无需调节激活函数的参数就可以得到足够好的泛化性能。