基于RBF神经网络的军事物流设施规模预测

确定合理的军事物流设施规模对于成功实施军事后勤保障十分重要。提出了基于RBF神经网络的军事物流设施规模预测模型的建模方法,该方法旨在确定军事物流设施规模与其影响因素之间的非线性关系;采用算例说明了基于RBF神经网络的军事物流设施规模预测的具体做法,对军事物流设施规模的确定具有指导意义。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

基于贝叶斯优化LSTM的发动机剩余寿命预测

针对航空发动机剩余寿命预测中深度学习算法参数优化效率低、预测准确率差等问题,在长短期记忆网络算法（LSTM）的基础上提出一种基于贝叶斯优化的LSTM算法。利用长短期记忆网络对航空发动机的传感器数据进行时间序列预测,并运用贝叶斯优化算法对长短期记忆网络的超参数进行迭代优化。利用NASA公开数据集对算法进行验证,结果表明,相较于其他算法,优化后的算法在优化参数、提高预测准确率方面有明显改善,能为保证航空器的安全使用以及制定维修替换策略提供参考。     

基于TOA预测的非同步照射辐射源定位算法

针对现有基于TDOA的定位算法难以适应辐射源信号非同步到达的实时定位问题,提出了一种基于TOA预测的非同步照射辐射源定位算法。该算法采用脉冲样本图外推法通过各站接收的短时脉冲列计算TDOA序列(TDOAs),并通过牛顿迭代法实现对辐射源位置的初步估计。对新到达的脉冲采用脉冲样本图外推法进行TOA预测,判别脉冲属性,进而获得新的TDOA测量值,然后采用扩展卡尔曼滤波算法实现对辐射源位置的实时更新。仿真分析表明:该算法解决了非同步照射引起的难以计算TDOA的问题,并增强了处理的实时性。     

灰色加权马氏链组合在航空装备事故预测中的应用

为提高传统灰色马氏链组合模型的航空装备事故预测水平,引入加权马氏链,提出了一种改进的灰色马氏链组合预测方法。该方法先通过建立灰色模型,提取事故序列的趋势信息,然后再利用灰色残余信息构建加权马氏链模型,合理发挥各步长马氏链的作用,以期准确刻画随机波动规律。为验证其有效性,在美国空军A级飞行事故万时率实际数据基础上,建立了灰色加权马氏链组合预测模型,结果表明,模型对2000年~2002年预测的相对误差平均控制在4.59%以内,远高于灰色叠加马氏链模型,所建的模型能够比较客观地反映航空安全的未来发展现状。     

一种基于TOA测量的位置信息场定位算法

针对传统的仅测脉冲到达时间(TOA)定位方法不能适应复杂体制雷达信号的问题,提出了一种新的基于TOA测量的位置信息场定位算法。首先由主站自提取辐射源的脉冲样本图,副站利用主站自提取的脉冲样本图匹配分选出该站接收的辐射源脉冲列,并将其对应的TOA数据传回主站,而后由主站基于各站的TOA测量构造目标位置信息场函数,通过网格搜索法实现对辐射源位置的估计。仿真结果验证了该方法的有效性。     

多样化军事任务中军事租赁法律制度研究

正军事租赁是租赁的特殊形式,其在军队发展史上古已有之。当前,在我军执行多样化军事任务的时代背景下,军事租赁与军事采购、军事征用、军事征收等同为军事资源筹供的重要手段。对军事租赁立法,是发展这一资源配置方式的现实需要,也是军队依法动员民间资源的制度需求,理应成为完善军事法规体系不可或缺的组成部分。     

地空导弹发控系统寿命预测的组合模型

将灰色系统理论和BP神经网络有效地结合起来,建立了灰色BP神经网络的组合预测模型,并采用遗传算法对该模型进行优化。为了验证优化后模型的有效性,采用灰色BP神经网络的预测结果进行对比分析。实际数据的预测结果表明,优化之后的模型比单独采用灰色BP神经网络,具有更小的均方差(MSE,Mean Square Error),对发控系统剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度。     

基于LMS谱预测和小波分解的弱GPS信号捕获算法

弱GPS信号的捕获算法是高灵敏度GPS接收机的关键技术,首先介绍了传统的GPS捕获原理,在此基础上,参考小波分解对GPS捕获信号进行降噪处理的方法,并结合LMS谱预测降噪法,提出了LMS谱预测和小波分解混合弱GPS信号捕获算法。考虑到小波分解和LMS谱预测的降噪原理不同,对3种方法对GPS捕获信号的降噪效果进行了仿真和对比。仿真实验结果表明本文所提出的降噪算法与仅用小波分解和LMS谱预测相比最大输出信噪比分别提高4.29 dB和2.93 dB。有效地提升了GPS捕获信号的信噪比和接收机的灵敏度。