基于B样条的稳健回归算法

利用B样条基构建了拟合函数模型.针对观测数据中存在野值的情形,选取了稳健函数进行稳健回归,并通过迭代再加权法实现了拟合函数模型的求解.试验结果表明:在数据中含有野值的情形下,基于B样条的稳健回归算法比常规的最小二乘回归算法具有更好的表现.     

基于小样本数据的作战计划生成方法

针对部队实兵对抗实验数据生成和采集的投入高、难度大的实际,提出基于小样本数据生成作战计划的方法：首先,采用偏最小二乘回归分析法建立作战因素与作战结果间的多元非线性模型;其次,采用改进的遗传算法,在MATLAB平台编程实现了对模型的整数规划求解,并通过实例验证算法的有效性;最后,利用作战因素的重要性排序分析作战计划的调整流程。     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

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.     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。     

俄罗斯军事大国的艰难回归

俄罗斯的国防工业能否生产出新国防战略所要求的装备还有待商榷。美国海军分析研究中心的德米特里·戈连堡指出．俄国防部计划的制订显然是对工厂和船坞生产速度过于乐观的结果,认为它不会出现任何延误、技术和设计问题,或瓶颈问题。然而,设计问题已迫使一项37架苏-35战斗机的政府采购订单延期两年。戈连堡和其他一些专家认为俄军的发展速度极不可能实现既定目标。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

教学质量评价中协方差分析的应用

协方差分析是在方差分析与回归分析基础上发展起来的一种统计方法 ,通过对考试成绩的方差分析与协方差分析结果的比较 ,探讨协方差分析在教学效果评价中的作用。