基于改进支持向量回归机的天基信息系统效能评估

天基信息系统效能的评估对于一体化作战的现代战争具有重要意义。针对武器系统效能评估的影响因子复杂、样本数量少、非线性较强等特点,采用支持向量回归机算法,并引入布谷鸟搜索算法对支持向量回归机的3个参数进行优化选取。仿真实验结果表明,改进支持向量回归机与传统支持向量回归机、BP神经网络相比,具有更高的准确度,可以有效地对天基信息系统进行效能评估。     

基于GA-Elman神经网络的水下集群作战效能评估

在现代化海战中,大力发展水下作战集群是海军信息化发展的必然途径,针对这种新的作战样式,对其作战效能进行准确可靠的评估至关重要。Elman神经网络能克服传统评估方法依赖于专家经验的缺点,但其自身的权值更新方法易陷入局部极小,为此,采用遗传算法(Genetic Algorithm,GA)对Elman网络进行全局优化,构建基于GA-Elman神经网络的水下集群作战效能评估模型,并应用实例对模型进行仿真验证。仿真结果表明该模型可以准确有效地对水下集群作战效能进行评估。     

改进AHM-RS雷达装备保障性评估指标赋权方法

针对主观赋权法过于依赖主观经验,客观赋权法由于数据有限可能偏离实际情况的问题,为提高雷达装备保障性评估指标权重的科学性,针对现有属性层次模型(AHM)和粗糙集(RS)赋权法的不足,改进了AHM和RS赋权法,运用离差最大化思想将主客观两种赋权法进行组合处理,提出了改进的AHM-RS综合赋权法,通过实例验证了该方法的有效性和可行性。     

预警反击作战预警信息保障能力评估指标体系构建

预警反击作战的实施离不开实时的预警信息保障。为准确评估预警反击作战体系预警信息保障能力,分析了预警反击作战预警保障流程,明确了预警保障能力评估准则,根据指标体系建立原则,构建了由天基预警保障能力、地基(含海基)预警保障能力以及空基保障能力组成的多层次预警信息保障能力评估指标体系,对各个指标进行了分析与定义,为进一步开展预警保障能力评估奠定了研究基础。     

深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。     

舰载近程反导武器指挥决策流程优化

针对未来水面舰艇近程反导武器系统反导作战的特点和要求,在考虑武器系统拦截可行性判断、射击方法选择和应急使用等问题的基础上,对拦截可行性分析、射击方式优选和主用备用相结合等环节开展研究,构建了优化的武器系统作指挥决策战流程。该流程可以有效提高舰载CIWS末端反导作战效能的发挥,增强作战指挥决策科学性。研究成果可以为武器装备的研制和改进提供参考和借鉴。