基于模糊综合评判法的敌空袭主攻方向预测研究

针对主攻方向预测的主要特点,运用模糊理论探索解决其主观推理、决策问题。应用隶属函数及变权重模糊综合评判方法分析,建立了评估模型,得到了类似人主观判断的结果,最后通过示例说明应用模糊综合评判法预测主攻方向的可行性。     

基于AHP的军队营房保障信息化建设评估研究

首先根据军队营房保障的指导原则和目标及各级营房保障部(分)队的特点,从战略地位、基础建设、应用状况、人力资源、信息安全等方面构建了营房保障信息化建设的评估指标层次体系.然后运用层次分析法(AHP)和专家评判法,对营房保障信息化建设评估体系各层指标的权重合理性进行了分析判断,最后给出实例,对某部营房保障信息化建设水平进行了综合评估,从而为科学评估营房保障信息化建设成效提供了有力工具.     

XML的网络标图技术

针对信息化条件下网络标图的需要,以SVG(可缩放矢量图形)作为态势图中电子地图、队标、队号以及附注说明等数据模型的表现形式,提出了基于XML将态势图信息文本化,并实现网络标图的构想,对态势图和军标进行了建模处理,并基于Microsoft Visual Studio.NET网络开发平台,对态势图的标绘、代码解析、网络传输和接收再现进行了较深入的研究.     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。     

模糊多属性群决策与潜艇作战方案优选

分析了潜艇作战方案的优选实质是一个模糊多属性的群决策过程,建立了模糊多属性群决策的一般模型,介绍了一种以模糊理想解与模糊负理想解同时作为参照基准,以海明距离作为测度工具,以相对贴近度作为衡量标准的模糊折衷型多属性群决策方法,应用实例表明此方法可行有效。     

防空兵C3I系统生存能力的综合量化评估

结合实际作战情况,给出了防空兵C3I系统生存能力综合评价的指标体系.利用AHP和Delphi法进行权重的确定,并对定性指标的处理方法即Delphi法进行了详细的介绍,对定量指标采用标准化值的方法处理,从一定程度上克服了专家赋值的主观因素,利用AHP法和模糊综合评判法建立了防空兵C3I系统生存能力的综合量化评估模型,最后以实例证明了其可行性.     

基于改进模糊综合评判法的告警器能力评估

针对模糊综合评判法在告警器评估时的有效评估问题,对评估过程的指标赋权、隶属度、信息集合算子进行了研究,提出了一种改进的适合告警器的模糊综合评判方法。该方法根据最小二乘原理和离差函数,把目标规划方法应用到组合赋权之中,充分考虑了权重的主客观因素;建立了基于隶属云的评估模型,用隶属云代替隶属函数,保留了隶属度的随机特性;提出了将密度加权平均(Density Weighted Average,DWA)算子用到信息集结中,充分利用了所有的评估信息。通过对某型机载雷达告警器的有效评估,表明了该方法的合理性。     

基于MEMS器件的弹载组合导航技术

卫星/微惯导组合导航是目前弹载导航系统领域的研究热点。在深入研究弹载卫星/微惯导组合导航体系架构的基础上,分析了弹载导航的关键技术以及各关键技术的解决方案;采用适应高过载环境的微惯性元件及电路模块的缓冲保护措施,提高组合导航系统的抗高过载性能;提出卫星辅助MEMS测量信息的姿态角估计技术解决了空中对准问题,采用基于加性四元数的差量卡尔曼滤波技术,实现了卫星定位与微惯导的高精度组合。试验结果表明,该技术可有效解决制导弹药的导航问题。     

舰船总体任务成功性的建模与应用

针对典型舰船的系统组成,进行了全舰任务成功性指标的示例计算,给出了总体指标的层次化表达方式。以舰船任务过程和典型任务剖面为依据,分析了任务可靠性和任务成功性之间的区别与联系,建立了舰船总体任务成功性指标的多阶段整体模型,并对航渡、待机、交战、撤离、返航阶段分别进行了仿真和解析建模。在建模与计算的基础上,通过敏感性分析计算了任务阶段持续时间的单位降低率等指标,为舰船任务成功性问题及其相关研究,提供了一个系统性的分析框架和方法。     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能.并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率.