基于DGWO-SVM的气象环境下武器作战效能评估方法

实际环境中,各种气象环境要素对于武器装备的作战效能影响显著,对于武器装备的作战效能评估很困难。为提高在气象环境影响下的武器装备作战效能评估效率,提出一种基于强化首领决策灰狼优化-支持向量机（DGWO-SVM）算法的评估模型。建立一个支持向量机模型应用于作战效能评估中,结合强化首领决策能力的灰狼优化算法进行求解,对惩罚因子以及核函数参数进行优化选取,并将最终的评估结果与其他方法进行比对。实验结果表明,所提评估模型的准确率达到了98.39%,评估的误差结果更优于其他方法,具有更高的实用性和有效性。     

对一种简单的自整角机调零方法的分析

以用于Ａ型火炮指挥仪中的自整角发送机为例,介绍了一种常用的简单调零方法,着重分析了该方法的原理。最后,以用于Ｂ型火炮指挥仪中的自整角发送机为例,说明了该简单调零方法对不同零位规定及不同型号自整角机的调零操作的适用性。     

反舰作战中舰机协同对海搜索研究

为了提高导弹的作战效能,优化导弹攻击程序,分析了目标在水面上的散布规律,通过非线性规划的方法优化了直升机起飞时机,建立了舰艇机动模型,得出了使用舰舰导弹攻击条件下的优化搜索方案,以期为作战部队制定作战方案提供参考.     

花菇生产调控技术

水稻生长季节套作黑木耳,水稻田的小气候能够较好地满足子实体生育条件的需求,因此可以提高黑木耳产量1～2倍,亩产达250千克。     

故障预测技术综述

把握新军事变革机遇,加快信息化建设步伐,对军事装备进行有效的质量监控和故障预测是技术保障的重要内容。阐述了故障预测技术,系统地介绍了现有的、比较有代表性的故障预测技术方法,并叙述了其优缺点;最后重点对故障预测技术的发展前景进行了展望,指出了该研究领域当前需要进一步研究的问题和发展方向。研究故障预测技术对提高装备的维修和保障能力具有十分重要的意义。     

粗糙集和FSVM结合的雷达信号识别法

结合粗糙集的属性约简和支持向量机的分类机理,研究了一种混合算法,即应用粗糙集的属性约简过程作为预处理器,可以把冗余的属性及值和冲突的对象从决策表中删去,但不损失任何有效信息;由于传统支持向量机在多分类问题时出现的不可分区域现象,使用了模糊支持向量机进行后面的分类建模和预测,使得训练时间大大缩短和分类性能显著提高。将这种混合方法应用到雷达信号识别中,仿真实验证明该方法是有效的。     

基于鲁棒多元LS-SVM的齿轮箱故障诊断方法

多元LS-SVM算法可以直接用于多分类模式识别问题,通过对该算法的误差变量进行加权,消除了训练样本中异常值或非高斯噪声的影响,增强了多元LS-SVM算法的鲁棒性。然后,利用改进算法建立特征向量与故障模式之间的映射关系,得到齿轮箱故障诊断模型。仿真表明:与传统BP神经网络相比,鲁棒多元LS-SVM算法对齿轮箱的故障诊断的精度更高,抗干扰能力和鲁棒性更强,是一种在齿轮箱故障诊断中值得推广和采用的算法。     

基于特征空间中类别可分性判据的特征选择

针对支持向量机首先要将数据通过一个非线性函数映射到高维特征空间,从而在特征空间中改变了数据的分布,因此在设计支持向量机分类器时有必要在特征空间进行特征选择,而非原空间。提出在特征空间中利用类别可分性判据进行特征选择,将类内类间距离引申到特征空间来计算可分性判据。通过仿真,该方法能够有效地在特征空间进行特征选择。     

基于二进制传感器网络的目标运动方向估计方法

介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。