基于MAS的信息化战场火力战仿真建模

通过仿真实验进行演示、检验和评估,是研究信息化战场火力与指挥控制的有效方法.通过采用基于MAS的仿真方法,把火力战系统的内部组元直接映射成相应的Agent,研究了基于MAS的火力战仿真建模过程,提出了基于MAS建模的火力战系统总体框架与工作过程,并进一步研究了火力战Agent的定义与工作原理,为未来信息化战场火力战相关项目技术演示提供平台基础.     

基于粗糙集理论的地空导弹对空威胁级别量化方法

地空导弹对空威胁级别的量化是任务规划系统首要解决的问题.针对地空导弹性能参数不完备、不易获取导致的威胁级别不易判断和量化问题,提出了基于粗糙集理论的威胁级别量化方法,用于在各种不完备导弹性能参数中挖掘、分析与威胁级别量化相关的主要信息和映射关系,解决了不完备性能参数条件下的地空导弹威胁级别量化问题,并以现代典型地空导弹系统为例,给出了威胁级别量化的具体过程.     

一种基于随机映射的战斗效能模型

利用随机映射概念提出了一种新的战斗毁伤模型形式———Lanchester战斗网络模型。模型是由一个阶递减的随机映射序列组成的随机有向二部图,它明确、形式地描述了战争整体行为与局部作用之间的关系。理论分析和计算获得的结论表明,模型描述的整体作战效能符合Lanchester平方律,其网络拓扑结构是非同质的,出度和入度分布服从指数幂律。应用模型定量对比了“对称”与“非对称”战斗中全局信息因素对战斗系统整体效能的影响。初步讨论了网络模型研究在战争建模理论、实证和计算方法论上的意义。     

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分.贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较.实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能.     

高速三维地形显示系统的体系结构

从自行设计的专用三维地形显示的硬件和软件系统的观点出发,讨论了高速三维地形显示系统的体系结构、关键技术及其实现方法。以新一代的高速处理器ＩＮＴＥＬｉ８６０为核心,采用分配树技术,解决多路并行输出产生的竞争和瓶颈问题;实现Ｚ－缓冲硬件算法,提高系统的图形消隐速度;设计多帧存体结构,支持多通道、多画面信息的快速显示。     

网络安全实验平台K - 划分映射方法

对网络安全实验平台映射问题进行形式化描述,提出基于K-划分的映射方法,其核心思想是为了尽量减少占用网络资源,尽可能将逻辑拓扑紧密连接的节点映射到同一台交换机上。基于K-划分的映射方法采用贪心法确定初始划分状态,根据评价函数进行节点移动,对生成的子图进行算法迭代,直到所有子图的节点数量不大于物理拓扑端口容量为止。基于K-划分的映射方法弥补了K-L算法中初始划分状态选取的任意性对最终结果产生较大影响的缺陷,实验结果表明该算法的求解时间远小于遗传算法,能在较短的时间内得到映射结果。     

面向连通性的空中分层网络中继航线规划方法

针对飞机编队执行任务的通信保障问题,依据空中网络分层环境特点,采用增加中继节点的方式实现网络的连通性。提出一种空中分层网络中继航线规划方法,以飞机任务航线为输入,通过比较最小生成树(minimum spanning tree,MST)中边顶点的连通分量是否与前一时刻相同,进行生成树优选;将中继段向量顶点的度和中继节点在2个中继段向量间的运动时间作为联合权重,进行中继段向量连接。仿真结果表明,该方法能够实现中继节点在时间和空间上的复用,相比传统算法,有效减少了中继节点个数,实现了中继节点航线优化。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。     

事故树分析法在汽车加油站火险评估中的应用

利用事故树分析法剖析目前汽车加油站存在的诸种火灾原因 ,并排出火因重要度顺序 ,判明主次因素 ,进而提出有效的火灾预防措施。     

FIBER:基于频繁项目表的频繁模式挖掘方法

如何有效地实现频繁模式的挖掘一直是数据挖掘的一个关键问题。在文献 [2 ]中的数据结构FP -tree对原事务数据库进行压缩存储的基础上 ,本文提出频繁项目表的概念 ,实现了利用频繁项目表进行快速频繁模式挖掘的新方法。实验表明与经典的Apriori算法[1 ] 相比 ,该方法在性能上提高了一个数量级 ,同时也比文献 [2 ]中的FP -growth算法具有更好的可扩展性