特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。     

基于改进AHP和云模型的质量状态定性评估

针对传统云模型在质量状态定性评估中存在的评语云化方法、指标权重确定和评估结果判定3个方面的不足,提出了一种基于改进AHP和云模型的定性评估方法。通过设置一个AHP自动调整器使判断矩阵自然满足一致性要求,避免了反复一致性检验导致的繁琐计算以及隐含的盲目性问题,并且根据构造的专家相似矩阵,有效筛选并排除极端专家意见以求解合理的权重值;结合德尔菲法,利用逆向云发生器直接生成评语的云模型,逐步寻优获得了统一协调的意见;此外还设计了一种基于平均隶属度的云相似度度量方法,实现了评估结果与定性评语之间隶属程度的量化表征。最后以某导弹雷达导引头为评估实例,验证了评估方法的有效性和优越性。     

基于效果的装备保障合同商选择方法

基于效果的合同商装备保障是将基于效果的维修理念应用于合同商装备保障领域提出的一种装备保障策略,更加关注装备的作战效能,同时对合同商提出了更高要求,因此,选择恰当的合同商对于实现预期结果显得更为重要。而合同商选择是一个多准则决策问题,很大程度上依赖于决策者和决策条件状态的不确定性和模糊性。构建了一个基于效果的合同商选择系统流程,并提出了基于相似度的模糊TOPSIS法,简化了计算流程,最后通过一个具体案例来验证该方法的有效性。     

灭火救援战例数字化情景矩阵推理相似度的计算方法

灭火救援战例的情景化及数字化,是灭火救援专家系统提高战例匹配利用率的基础,推理相似度算法是提升战例匹配效率的关键。在介绍灭火救援战例数字化情景矩阵构建方法的基础上,研究了基于数字化特征元素、特征向量和情景矩阵的推理相似度计算方法。旨在为灭火救援专家系统的设计和构建提供参考,进而提升灭火救援战例的匹配效率和利用率。     

基于察打任务的无人机作战效能评估

首先根据时敏目标打击的特点,分析了察打任务模式下的察打一体无人机的作战使用。然后对评估体系中察打一体无人机的侦察能力与打击能力相关性进行了分析,同时将任务可执行度作为无人机效能评估的一项动态权衡标准,建立了基于察打任务的无人机效能评估模型,并基于效能指标体系建立了各分项模型。最后通过算例验证了模型的可行性。     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.     

武器系统模糊寿命周期费用模型

武器系统的寿命周期费用建模较多采用参数法,而参数法中最常用的是最小二乘回归.考虑费用统计数据的模糊性,提出用模糊最小二乘回归来建立武器系统模糊寿命周期费用模型,并结合实例对武器系统寿命周期费用进行了分析.结果表明,这种方法能达到令人满意的拟合精度,具有实用价值.     

军事与经济协调度测定方法评价

从统计的角度看,测定协调度的常用指标有距离协调度、综合发展度两种,二者在计算方法上有较大差异。前者相对简单,使用频率较高,应用性强;后者计算过程复杂,但方法更成熟。应用的时候,应根据不同时期系统的发展特征选择恰当的测定方法。     

基于AHP方法的战场目标三维伪装效果评估

针对战场目标伪装效果评估视角单一、主观性过强等问题,基于层次分析法(AHP)和航迹发现概率对战场目标三维伪装效果进行多视角评估研究。在利用无人机倾斜摄影技术对战场目标进行三维建模的基础上,模拟无人机航线侦察获得多视角侦察影像;综合提取影像中目标与背景的亮度、颜色、纹理等8个评估指标并计算相似度,采用AHP建立单视角特征相似度评估模型;基于航迹的目标发现概率模型,计算多视角目标相似度权重,构建了战场目标伪装效果多视角评估模型。通过案例分析,多视角评估方法能够实现战场目标伪装效果多角度、连续性客观综合评估。     

基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。