基于机器学习的CSE-CIC-IDS2018入侵检测数据集优化降维分析

测试数据集的质量对入侵检测系统的性能起着至关重要的作用,在保证质量的前提下对入侵检测数据集优化降维,是提高入侵检测系统高效准确运转的重要措施.使用K近邻、决策树、随机森林和Softmax分类算法,对CSE-CIC-IDS2018入侵检测数据集进行特征维数探究,按照特征重要性评分对分类器进行特征递减式训练,分析机器学习分类器对该数据集的特征维数依赖关系.结果表明,数据集的特征数量由83个减少至最低7～9个时,分类器仍可以保持较高的分类性能,且检测时间显著减少,计算效率更高.     

基于改进NSGA-III算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害.基于此,在NSGA-III算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构.最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题.     

一种面向完成时间与负载均衡的任务调度算法

公共计算环境作为新一代舰艇信息系统集成环境,具有统一架构、资源共用、可扩展等优点,是未来舰艇信息化发展的关键。公共计算环境本质是云环境,任务调度中的完成时间和负载均衡对公共计算环境的整体性能有重要影响。面向优化完成时间和负载均衡两个主要问题,采用了基于改进蚁群优化算法的任务调度算法和负载修正系数,融合非支配遗传算法(NSGA-Ⅱ)中快速非支配排序的方法进行多目标优化,生成最优解的Pareto前沿。使用CloudSim平台进行仿真模拟,实验结果表明,在负载均衡和完成时间目标上,提出的面向完成时间与负载均衡的蚁群算法(TL-ACO)与NSGA-Ⅱ相比性能更优异。     

多模型估计方法

多模型方法是一种混合估计方法 ,相对于传统的估计方法而言 (例如 Kalman滤波 ) ,它特别适合于具有未知变参数或变结构系统的研究 ,因而在许多领域得到了成功应用。回顾了多模型方法的发展过程 ,对现有各种多模型估计方法进行了总结 ,并提出了研究方向     

空袭目标流威胁评估与排序模型研究

结合现代防空作战的特点和指挥自动化系统的工作过程,对影响目标威胁评估的各种因素进行了分析,利用模糊综合评价等理论和方法,给出了进行威胁评估的因素集和评价集,建立了相应的数学模型,叙述了进行威胁评估与排序的方法、步骤和一般准则.     

关于集值映象的公共不动点定理

本文给出了几个新型集值映象序列的公共不动点定理。     

相控阵雷达维修方案优选方法研究

针对相控阵雷达维修方案的选择问题,确定了维修方案的决策属性,并提出一种基于改进TOPSIS法的相控阵雷达维修方案优选方法。该方法通过引入Vague集来处理维修方案选择中存在的模糊信息,并采用博弈论综合赋权法来确定决策属性的综合权重。通过计算各备选方案与正、负理想方案的灰色关联度,得到了维修方案的灰色关联相对贴近度,进而实现对维修方案的排序和选择。最后,通过算例应用与分析,对提出的方法进行了验证。     

集对分析和LS-SVM相结合的装备研制风险综合评价法

为有效降低或规避武器装备研制风险,确保装备研制项目的顺利推进,提出一种基于集对分析理论与最小二乘支持向量机方法的装备研制风险综合评价方法。根据武器装备研制特点,建立装备研制风险评价指标体系。在此基础上,引入集对分析理论中的联系度和集对概念构建训练样本和测试样本。利用样本对最小二乘支持向量机进行训练测试,得到装备研制风险的评价模型,并给出评价结果。案例分析表明,所提方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

基于改进多维粒子群的多无人机任务分配方法

针对复杂战场环境下的多无人机任务规划解空间维度不确定、任务需求随时间变化等问题,提出了一种基于改进多维粒子群算法的多无人机任务分配方法。该方法构建了适应度函数集,应用多个适应度函数来限制种群趋向,同时采用基于时变目标价值的映射变量,建立目标价值随时间变化的多无人机目标决策模型;而后引入整数编码机制,构建面向任务序列的多维粒子,利用改进的自适应多维粒子群算法,得到最优维度下多无人机的任务分配优化方案。仿真实验结果表明：基于改进多维粒子群算法的多无人机任务规划方法可在最优解空间下,获得更好的任务动态分配效果,收敛速度更快,具有良好的推广应用前景。