基于模糊随机贝叶斯网络的意图估计方法

意图估计是数据融合五级模型中态势评估的重要研究内容。意图估计结果的稳定性对于辅助战场决策具有重要意义,在分析了影响意图识别结果稳健性的基础上,将模糊随机贝叶斯网络应用于战场目标的意图分析。在研究了战场环境下网络结点构造及推理方法的基础上,结合具体场景给出示例并进行了仿真验证。     

多粒度直觉模糊三支决策及在目标识别中应用

针对直觉模糊三支决策模型在反映问题时存在不完全性以及统计特性单一的缺陷,将粒计算中多粒度空间描述问题的思想与直觉模糊三支决策模型的思想相结合,提出了多粒度直觉模糊三支决策模型。因不同粒空间呈现统计特性不同,给出具有一般性的乐观和悲观多粒度直觉模糊三支决策模型的定义。根据正域及负域不变的原则定义了多粒度直觉模糊三支决策模型的属性约简。基于Bayes最小风险理论对多粒度直觉模糊三支决策模型中的参数进行确定。将乐观多粒度直觉模糊三支决策模型应用于弹道导弹目标识别问题中。     

机械臂设计方案选择的模糊综合评价方法

针对机械臂设计方案选择问题中存在的诸多模糊因素,建立了一种基于熵权和AHP的模糊综合评价方法。分析了影响机械臂设计中的各种指标和因素,构建了机械臂设计方案的综合评价指标体系,建立了相应的评价指标分级矩阵;并结合熵权与AHP共同确定评价指标的综合权重,有效解决了权重分配困难的问题;利用信息熵实现对所选设计方案的总体评价,得出所选方案评价结果为良等级。评价结果具有一定应用价值,对多个方案选择时提供一种很好的评价体系,对快速选择方案提供了一定的参考意义。     

一种组网探测资源管控拓扑模型优选算法

针对组网探测资源管控预案设计中管控拓扑模型优选难题,结合社会网络分析和信息论理论,选用图论为主要研究方法,提出了一种基于改进模糊物元的拓扑模型优选量化模型和新算法。根据组网探测资源管控的特点建立了基于团队合弄集成设计环境和图论的拓扑模型,依据指标属性特征,给出指标量化方法和优选算法流程,将信息论和模糊物元相结合,设计了一种改进模糊物元的拓扑模型优选算法,并以某雷达组网系统的体系抗干扰探测资源管控拓扑模型优选为例,验证算法的可操作性和可行性。实例表明,优选算法所得结果与实际相符,也能对拓扑模型动态变化规律进行科学分析,为求解拓扑模型优选问题提供了一种可行和客观的方法。     

一种迷彩伪装效果评价指标权重分配算法

迷彩伪装效果评价的多指标权重分配多为平均分配或专家评判,难以客观、科学地评价伪装效果。提出了基于模糊聚类方法、结合信息熵和统计特征的多指标权重分配算法。该算法通过模糊聚类得到样本的分类结果,应用信息熵和统计理论计算各指标的权重分配。对以结构、纹理、颜色、二阶矩特征等为指标的迷彩伪装样本进行了权重分配实验,分析比较了专家评判法、熵权法和该算法确定的权重之间的差异,并通过实验验证了算法的有效性和科学性。     

基于证据理论的直觉模糊群决策方法

针对属性权重和专家权重完全未知的直觉模糊群决策问题,提出一种基于证据理论的决策方法。基于记分函数和属性不确定度,将专家的直觉模糊决策矩阵转化为Mass函数;运用了基于直觉模糊熵的属性权重计算方法,将专家针对属性集关于方案集的评价证据进行修正与合成;确定了考虑接近度与相似度的专家权重计算方法,融合了TOPSIS法与Jousselme距离度量专家权重,将各专家关于方案集的评价证据进行修正与合成,最后进行方案排序。运用实例证明了方法的合理性和有效性。     

模糊综合评判在雷达接收机等级评定中的应用

为消除技术等级评定中主观因素的影响,将多级模糊综合评判的方法运用于接收机的技术等级评定中。对雷达接收机的技术性能指标进行了层次分类,采用了一种以测试数据为基础的针对每一个因素的单因素评判方法,并以某型雷达接收机为例,给出其技术等级模糊综合评判的详细求解过程。     

基于灰色理论的空天一体武器装备综合评价模型

针对空天一体武器装备体系这样的复杂系统,提出了以灰色理论为基础的灰色模糊综合评价方案。首先对主要影响因素进行分析,建立层次化的综合评价指标体系;然后通过专家打分法对定性评价指标进行量化,在此基础上,利用灰色关联分析法和灰色统计法,确定评价指标的权重,建立评价矩阵;最后采用模糊综合评价法,实现了对空天一体武器装备发展情况的综合评价。     

多频码相结合渐消因子扩展卡尔曼滤波实时定位方法

基于卫星导航定位系统多频载波相位线性组合,采用较长波长的组合波观测值与码观测值,能够较快并准确地获得模糊度,在此基础上,尝试综合利用最小二乘以及渐消因子扩展Kalman滤波技术进行实时单点定位,通过应用分析,获到较好的导航定位结果,具有一定工程应用价值。     

一种新的支持向量机决策树设计算法

支持向量机决策树的精度和速度取决于树结构。为了获得好的泛化性能,应由可分性强的类为树的上层结点定义分类子任务。提出了一种新的支持向量机决策树设计算法。决策树中每个结点的分类子任务定义规则如下:采用模糊核C-均值将当前训练集粗分为两个子集,然后基于隶属度从各个子集中选择可分性强的子类定义当前结点的分类子任务,并将可分性弱的子类移至下层结点。实验结果表明,该方法的精度和速度都优于其他传统的多类分类方法。