粒子滤波跟踪弹道下降段在炮位侦察中的应用

在传统的炮位侦察方式中,往往对对方炮弹弹道上升段采用扩展卡尔曼滤波方法进行弹道跟踪,这就导致了阵地部队安全性和雷达威力受限的问题,而开展对方弹丸弹道下降段跟踪的研究有利于解决这一问题.对于弹道下降段的跟踪,采用传统的扩展卡尔曼滤波方法无法满足炮位侦察的精度需求,而粒子滤波方法的应用使得这一思路变为可行.首先描述了对下降段弹道跟踪时炮位侦察的全过程,并建立了待跟踪弹道目标的状态空间模型,然后应用粒子滤波方法对下降段弹道进行了跟踪辨识.仿真结果表明,粒子滤波具有比扩展卡尔曼滤波精度更高和运算时间更长的特点,其仿真结果能够满足炮位侦察的精度要求.     

TBM拦截效果的混合层次模糊综合评估

分析了TBM拦截效果评估体系的构成及其评价指标,针对影响拦截效果评估的众多随机性、模糊性因素以及评估系统的具体特点,提出了基于混合层次模糊综合评估的TBM拦截效果评估模型,分析研究了评估流程,并通过实例验证了评估方法的有效性.     

基于支持向量机的装备故障间隔时间预测研究

针对装备故障样本数据量少、非线性强,故障预测困难的问题,提出了一种基于支持向量机回归的故障间隔时间预测模型.在不同核函数条件下,以提高核函数的普遍适应性和拟合精度为目的,通过实例分析选择了相对于装备故障数据的最佳核函数,并根据故障样本数据的特点,设计了与之相适应的核函数参数.实验结果表明,与常用的BP神经网络预测模型相比,该模型有更强的鲁棒性和推广能力,具有一定的实用价值.     

师范类专业学生信息素养现状及对策研究——以石河子大学为例

信息素养是信息时代社会成员的必备素质,也是大学生毕业后生存与发展不可缺少的基本能力。本文在问卷调查的基础上,通过个别访谈,以石河子大学为例,对师范类专业学生的信息素养现状进行了调查研究,提出一些有针对性的建议。     

要地防空指挥控制系统作战效能灰色聚类评估

建立要地防空指挥控制系统作战效能评估指标体系,运用层次分析法确定各层次指标权重,提出了一种基于灰色定聚类和中心点三角白化权函数的要地防空指挥控制系统作战效能灰色聚类评估方法,并通过算例对该方法的有效性进行了检验。结果表明该方法是切实可行的。     

通信网络拓扑可靠性的重要度熵评价方法

针对通信网络拓扑可靠性受到多因素影响的问题,提出了一种基于重要度熵的可靠性评价方法。该方法采用介数作为基础重要度指标,依据节点度、距离、最短路径等拓扑特性传播重要度影响,保证了对节点重要度的客观评价。方法选取网络重要度熵为可靠性指标,并通过边收缩将链路重要度转化为节点重要度进行评价,进而计算网络的重要度熵。最后通过仿真,验证了该评价方法的有效性。     

谈家庭教育与对孩子期望度的有机结合

家庭教育要根据孩子的条件和特长进行,要把握好家庭教育的“度”,不能生造出孩子的众多的“指令性需要”、“指令性兴趣”,对孩子的期望也要把握好“度”。     

混合不确定条件下的飞行器级间分离可靠性分析

为量化飞行器级间分离过程随机不确定性和认知不确定性的综合影响,结合概率和区间理论混合模型特点,提出了一种基于随机和区间理论混合模型的飞行器级间分离可靠性分析方法。面向高超声速飞行器分离任务需求,建立分离动力学仿真模型,针对级间分离结构的几何特点,设计了一种快速碰撞检测方法,进而构建了分离任务的可靠性分析混合模型。通 过将该模型转化为随机可靠性分析的无约束优化问题,考虑分离过程中复杂外力及力矩导致功能函数高度非线性的特点,利用高效全局优化和主动学习Kriging方法实现无约束优化问题高效求解。结合实例表明,该方法能够准确描述混合不确定性因素对飞行器分离过程的影响,给出了飞行器分离任务可靠性区间,可为飞行器分离方案的精细化设计提供决策支持。     

众包标签的双重置信度推断算法

标记者的知识水平、评价标准等均具有显著差异,导致收集到的标签质量参差不齐,提高标签和学习模型的质量对众包标签中学习起着关键作用。针对众包标签推断问题,提出了一种双重置信度推断算法,分别从数据分布特征及标签信息两方面计算得到标记者置信度,再通过此置信度推断数据集的集成标签,以此提高集成标签的质量。实验结果表明,与其他仅使用标签信息的推断算法相比,所提算法可以得到更优结果。     

面向混部云失败批处理作业的预测算法

为了降低混部云失败批处理作业的风险,使用K-means聚类算法将批处理作业分为四类,在分类的基础上提出了二层嵌套分类模型(two-layer nested classification model, TLNM),实现了基于TLNM的预测算法。基于Ali Trace 2018数据集上的实验结果表明,该算法的接受者操作特性(receiver operating characteristic, ROC)曲线明显优于其他常用分类器,ROC曲线下面积(即AUC)可以达到0.978,表明该算法具有良好的分类性能。同时召回率可以达到0.951,通过混淆矩阵可以看出TLNM算法能够准确预测出执行失败的批处理作业。