基于指标间关联增效的指挥效能评估优化模型北大核心

针对传统的指挥效能评估模型没有考虑指标间相互影响的问题,基于对特定指标集进行多次观测所得的多维数据集,利用关联分析技术,分析并量化消费型指标对效益型指标的关联增效,并基于关联增效的数学期望构建了消费型指标的评估补偿量模型,进而改进了传统的指挥效能评估模型。     

基于GM(1,1)预测与改进Vague集距离的装甲分队目标威胁评估

针对装甲分队目标威胁评估动态指标的变化特性,运用灰色模型(Grey Model,GM(1,1))对装甲分队目标威胁评估动态指标进行了预测;针对现有vague集距离度量法缺失信息较多、违背直觉等不足,通过理论推导提出了vague集新的距离度量公式,然后将其应用到TOPSIS(Technique for Order Preference by Simularity to Ideal Solution)算法中,对装甲分队目标威胁进行了评估与排序,并与非预测方法的评估结果进行了对比,结果表明:采用本文提出的评估算法得出的评估结果更加合理有效,研究成果可为装甲分队火力优化分配提供科学参考。     

基于元学习的作战行动效能评估标准数据生成方法研究

部队作战行动效能评估难度大的主要原因是缺乏科学可靠的评估标准数据。为了选择适当的算法生成评估标准数据,建立了基于元学习的评估标准数据生成方法总体框架,并提出集成近似排序树方法来建立作战行动数据集元特征与算法性能排序的映射关系形成元知识,从而辅助指挥决策人员选择适当的算法生成评估标准数据。     

基于改进的灰色综合关联度方法的效能评估分析

针对传统灰色综合关联度在指标权重确定和灰色判断矩阵建立上的主观性较强的缺点,提出了改进的灰色综合关联度方法,即运用组合赋权思想,将客观信息与主观信息结合,得到指标的组合权重,既考虑了专家决策的偏好,又减少了指标的主观性。在建立灰色关联评价矩阵的时候,采用评判区间来代替传统的单一评判值,增加了最后评估的可靠性。最后通过实例对该方法进行了验证和分析。结果表明,采用改进的灰色综合关联度分析法对系统进行评估是可行的,而且与传统的灰色综合关联度法相比,该方法所得到的评估结果更加有效。     

舰艇编队反潜战海洋环境影响指标体系构建与实验建模

为了评估海洋环境对大型水面舰艇编队反潜作战效能的影响,在分析大型水面舰艇编队反潜作战样式和武器装备构成的基础上,采用层次分析法构建海洋环境对大型水面舰艇编队反潜作战效能影响评估指标体系和函数关系模型。以直接警戒区反潜作战效能评估为例,引入B样条函数,建立海洋环境要素与海洋环境影响指数之间的映射函数模型,得到影响评估的量化结果。该结果基本反映了海洋环境对大型水面舰艇编队反潜作战的影响程度。     

基于SCAS的防空反导装备体系作战能力指标设计

指标设计是进行武器装备体系发展论证和作战效能与作战能力评估分析的基础。着眼体系作战效能与作战能力评估分析需求,基于传感器(Sensor)、控制器(Controller)、执行器(Actuator)、支持器(Supporter)的柔性建模方法,对防空反导装备体系作战能力指标进行了设计,构建了其侦察预警能力、指挥控制能力、拦截打击能力、综合保障能力评估指标体系,并利用结构方程模型(SEM)对指标之间的影响作用关系进行了分析,可为防空反导装备体系建设与运用提供重要借鉴。     

全面深化改革开放

着眼完善治理体系、增强动力活力,从主动适应全面深化改革新常态和开启兵团新甲子的高度,乘势而上、加快推进全面深化改革各项工作29个试点团场改革总结评估和整改落实工作基本完成国资国企改革进一步深化中国新建集团做实工作业已启动行政职能转变步伐加快社会治理体制改革、文化体制改革、事业单位分类改革试点等工作稳步推进党的建设制度改革全面展开2014年兵团全面深化改革成果丰硕     

武警学院召开首轮部系审核评估意见反馈会

1月15日下午,学院召开首轮部系审核评估意见反馈会。学院党委成员、部系领导、机关处室领导、教学专家等参加了会议。会议由马金旗副院长主持。会上,训练部副部长陈爱平从首轮评估工作特点、评估检查中发现的问题、审核评估下一步工作安排等方面,对本次部系审核评估情况进行了汇报,并就各单位近期要完成的主要任务作了简要介绍。军事科     

不给别人送礼的念头

常听人说起一个似是而非的歪理,叫"被动腐败"。持此论者认为,那些落马的党员干部本身并不想贪腐,只是"人在江湖,身不由己",大家都收礼送礼,到你这儿说"不",显得不近人情、自命清高,不仅不利于开展工作,还会影响自己发展。此种"被动腐败"说,实在荒唐可笑。违规违纪乃至贪污腐化,不在于别人,全在于自己。拒绝犯错误,就要不给别人送礼的念头。《清朝野史大观》记载:清道光年间,刑部大臣冯志圻酷爱碑帖书画,但他从不在人前提及此好,赴外     

KL散度多模块滑动窗口慢特征分析的故障诊断方法

针对传统分块方法根据经验划分子块导致变量特征信息无法充分利用,其单一的建模方式忽略局部信息以及离线模型无法适应时变特性的问题,提出了一种KL (Kullback-Leibler)散度多模块滑动窗口慢特征分析方法。在正常工况数据集中,利用KL散度来度量变量间的距离,同时引入最小误差平方和准则进行聚类,分成两个距离最小的子模块;在此基础上利用慢特征分析方法对每个子模块进行建模,结合滑动窗口对每次采样的数据进行更新,得到最优模型,分别计算监测统计信息,利用支持向量数据描述对故障监测结果进行融合,实现故障诊断。并将该方法应用于田纳西伊斯曼过程的监控中,得到了较高的故障检测率和较低的虚警率,验证了该方法的可行性和有效性。