基于模糊集和证据推理方法的武器系统可靠性评估

提出了一种评估武器系统可靠性的新方法。在这种方法中,武器系统中各组成部分及零部件的可靠性用模糊语言变量来表示,利用证据推理方法合成各子系统零部件的可靠性评估结果,提高了各子系统的可靠性水平。文中以某高炮系统的可靠性评估阐述了该方法的应用情况     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。     

Java异常处理与编程方法

异常处理是程序开发的一个重要内容,异常处理的好坏关系到程序的友好程度和系统的健壮性。Java是一种纯面向对象的编程语言,其异常处理编程和普通的编程语言有很多不同的地方。分析了Java语言异常处理的内部机制,对可能出现的异常情况进行了分类,总结了编程处理异常问题时应该采用的方法以及编写异常语句使用的原则技巧。     

贝叶斯推理模型Index-GMVAE在随机数据缺失填补中的应用

变分自编码器(VAE)推理随机缺失数据还原是近年来一种新兴的数据填补方法,但传统的VAE算法存在后验分布单一,变分推断证据下界收敛慢等问题.因此,提出了一种采用高斯混合后验分布和缺失数据位置掩码推理缺失数据还原的新的贝叶斯推理网络框架——Index-GMVAE.在Mnist手写数字数据集和Adult数据集上分别做了实验...     

坦克排决策支持系统火力机动模块研究

基于D-S证据理论及灰数AHP层次分析法,研究了火力机动样式的选择系统.根据传感器收集的战场情报进行数据融合,给出了用于目标识别的D-S证据理论算法,并针对具体的战场目标进行了相应的算法改进.运用灰数AHP层次分析法对战场的具体目标进行相对比较判断,然后依据灰数AHP层次分析法得出的具体数据选择最佳火力机动样式.     

基于D-S推理的灰关联通信电台识别研究

为了解决通信电台识别问题,在灰关联识别的过程中,引入D-S证据理论,通过对信号的积累和对信任度的重新分配,对识别结果进行了有效的融合,提高了辐射源的正确识别率。仿真结果表明了该方法的可行性和有效性。     

基于云模型和D-S证据推理的防空信息战系统效能评估

基于对防空信息战的因素分析,建立了防空信息战系统指标体系,论述了D-S证据推理的数学性质及其证据合成法则,提出了基于云模型的定性评测和证据推理的综合评价方法,通过证据推理的聚合作用,综合多个不同类型专家的意见,结合云理论实现定性与定量之间的相互转换.最后对防空信息战系统进行实例分析,证明该方法的科学性和直观性,从而拓展了武器系统效能分析的思路.     

基于时空序贯融合的TBM拦截效果评估

基于时空信息进行了TBM拦截效果评估的研究。首先分析了拦截效果评估信息的特征,建立了TBM拦截效果评估流程;在此基础上提出了基于"空间特征级-时间决策级"思想的序贯融合评估模型;融合评估算法中,空间域选取模糊神经网络进行特征级融合,时间域选取D-S证据理论完成决策级融合,空间特征级融合模糊神经网络的各层映射函数分别由模糊隶属函数和采用贝叶斯网络的方法来获取;最后通过实验仿真了评估流程,验证了融合评估模型及融合算法的有效性。     

一种改进的证据权重确定方法

针对Dempster方法在合成高冲突证据时存在的问题,分析了现有改进方法的缺点,提出了一种新的改进方法。该方法首先利用证据之间的相似系数求出各证据的初级权重;然后引入权重折扣因子,将冲突证据的权重按折扣因子折算后并入到其他证据的权重中,得到各证据的综合权重;最后对证据加权平均后再利用D-S组合规则进行组合,通过算例比较表明改进后的方法合成结果更加有效。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。