基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

数字航天提升竞争力

航天科技集团确定了“发展数字航天、铸造国际一流宇航公司”的宏伟目标。 发展数字航天,要实现航天产品的高度数字化。航天产品凝结了最先进的信息技术,要求信息精准、精密和导航精确。因此,要大力研制与开发具有自主     

装备战场抢修任务优先度排序决策研究

装备战场抢修任务的执行受战场环境、任务属性、保障条件的综合约束,科学的优先度排序决策能够充分利用抢修资源,提高装备战场抢修保障效能.首先从抢修保障对象属性和保障条件角度综合构建装备战场抢修优先度排序决策指标体系,并给出指标的相关定义与说明.其次考虑到指标权重的重要性,提出一种采用综合主客观权重的改进TOPSIS方法用于...     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

一种简单有效的处理冲突证据的D-S改进方法*

D-S证据理论在决策级信息融合领域有着广泛的应用,但其在合成冲突证据时会出现与直观结论不符的现象。通过深入分析D-S证据理论合成冲突证据时的失效原因,提出了一种简单有效的改进方法。通过主观权重和客观权重的综合得到不同证据的信任度,以此确定冲突证据及对应的折扣度并对其进行折扣度修正,使合成结果快速向正确类型收敛。仿真结果表明,同已有方法相比,本文方法特别适合具有少数冲突证据的情况,其合成结果更加符合直观判断。     

一种基于专家赋权的综合评价方法及其应用

在综合评价过程中,为了克服专家组给出的意见不一致性,提出了一种基于专家意见差异和判断矩阵一致性的客观专家赋权法,根据判断矩阵提供的信息为各专家的意见进行赋权,通过被评价元素的权重向量和专家权重值的线性加权来确定被评价元素的优劣,并且将此方法运用到综合评价各阶段,以达到优化决策的目的。算例表明,该方法可行有效。     

网络信息体系弹性影响因素重要性评估方法

针对网络信息体系弹性影响因素重要性评估问题,提出了一种基于熵理论的群决策方法.在分析网络信息体系弹性作用过程的基础上,提炼了网络信息体系弹性影响因素;由熵权以及个体决策结果和群决策结果的偏差量,定义了专家的客观权重;提出了一种基于偏离度的权重调整算法,设计了网络信息体系弹性影响因素重要度等级映射方法,通过算例仿真验证了该评估方法的有效性和可行性.     

基于熵权-集对分析的远火武器系统模拟训练效果评估

针对某型远程火箭炮武器系统训练效果评估的问题,在分析该武器系统营连射击指挥车装备操作的特点基础上,确立了较为科学的评估指标体系和评价等级标准.考虑到评估指标和评价等级往往存在诸多模糊随机性,运用熵权理论和集对分析方法建立了多指标评估模型和具体实施步骤,并以在营连射击指挥车训练模拟器上的实操模拟训练过程为例,精准全面地对组训人员的专业操作训练效果评估,结果表明该方法简单可行、科学客观,能够较为准确地评价受训人员的训练水平.     

基于ANP的装备保障转型影响因素分析

针对装备保障转型影响因素众多、转型重要程度难以确定等问题,分析了保障转型外部和内部影响因素,建立了保障转型影响因素ANP模型,利用ANP方法对装备保障转型影响因素进行了权重确定,为确定装备保障转型影响因素重要性程度提供了一种定量化分析方法,明确了装备保障转型应优先重点解决的关键问题．     

基于结构加权的海面编队预定目标选择方法

海面目标运动和编队阵型的约束特性,使得通过对装订阵型和末制导探测阵型进行点集匹配来选择预定目标成为一种有效途径。但当编队目标释放干扰时,会引起阵型结构发生局部变化,导致目标选择性能恶化。本文基于反舰导弹目标选择需求,分析了传感器导航和探测误差、装订信息误差、编队目标运动和释放干扰等因素所引起的位置点集变形,通过利用阵型中未污染的结构信息,提出了基于几何散列法和结构加权平均Hausdorff距离的编队预定目标选择方法。理论分析和实验结果表明,该方法不受传感器导航误差和编队目标整体运动的影响,在编队存在冲淡干扰时能有效提高目标选择能力。