新体制下导航装备维修保障效能评估研究

军队规模结构和力量编成改革促使导航装备维修保障体系发生深刻变化,为有效评估新体制下导航装备维修保障效能,结合新体制下导航装备维修保障特点及需求,以维修资源配置、维修管理效益、装备维修效率为一级指标,基于层次分析法(AHP)建立维修保障效能评估指标体系,构造拟优一致性矩阵计算权重向量;针对不同类型指标数据,分别选用效益型和成本型隶属度函数生成模糊关系矩阵,使用模糊综合评估法(FCE)评估维修保障效能.实例表明,所建指标体系系统完整,评估方法简便易行,有效可靠.     

基于改进融合算法的交通网络节点重要性评估

交通目标体系在作战中是打击目标选择的重点,在目标选择前需要对交通网络的节点及关联关系的重要性进行准确评估.交通目标体系是一种多层复杂网络模型,目前的评估方法没有考虑到路径的权重和对网络整体价值,造成评估模型与实际网络不符合的问题.针对该问题,提出一种改进的融合算法对多层网络进行评估.该方法构建的节点关联度矩阵考虑了各层网络中边的权重和网络整体价值,再将每层的节点关联度进行融合.通过仿真分析和对比,该方法能够准确有效地评估多层交通网络节点的重要性,对目标选择具有一定实用价值.     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

基于信息增益比和SGAN的信息系统评估模型

信息系统的安全对于个人、企业甚至国家都至关重要,因此,对信息系统安全的评估也极为严格.以军工单位的信息系统为例,标准过于冗余,且样本数量较少,使得神经网络难以达到预期的评估效果.针对这些问题,建立了"信息增益比+SGAN"的分类评估模型,通过计算信息增益比得到各项指标对信息系统安全划分的重要度,减少无关紧要的冗余指标;用重要指标量化后的样本训练SGAN,得到一个强有力的分类判别网络,来对信息系统的安全进行评估分类,同时输出样本"真伪概率"和"下类似比系数"作为专家是否要人为对该系统进行评估的参考标准.     

电子战中预警兵力作战效能评估系统研究

针对实战化训练背景下的电子战体系对抗,对预警兵力的作战样式、战术战法进行了梳理,提出以预警情报质量作为构建预警兵力作战效能评估指标的核心要素,并分别构建了面向预警兵力整体作战效能评价指标体系和预警作战单元作战效能评估指标体系,结合战术数据中台、预警作战实时评估和综合评估3个方面,给出了构建预警作战效能评估系统的技术途径,以及结合评估指标和能力分解的评估分析方法,对指导预警兵力作战能力提升和装备性能改进具有实际意义.     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.     

基于多源先验数据的装备测试性评估方法

针对基于装备多源先验数据融合过程中可能存在数据冲突的问题,提出一种基于多源先验数据的装备测试性评估方法.针对装备设计、生产和制造过程中可能存在的测试性虚拟-实物试验数据、测试性预计信息和专家经验信息等先验数据,将其折合成先验分布参数形式.通过基于兰氏距离和邓熵改进的D-S证据理论来进行数据融合,得到最终测试性评估结果.通过实例分析发现,提出的方法较基于传统Bayes理论和经典D-S证据理论的测试性评估方法而言,其精度更高.     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.     

基于GM-PHD的低可观测编队目标跟踪方法

考虑到多编队在低可观测情况下存在的目标跟踪问题,提出了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的编队目标跟踪方法.该方法是在修剪融合过程中,先保留剪掉的高斯分量,再对这些分量进行状态外推,利用JS(Jensen-Shannon)散度判断下一时刻状态估计值与外推状态值是否相似,以判断结果体现目标丢失情况,使得真实目标不丢失,解决了低可观测情况下目标易漏检带来的跟踪性能下降问题.然后,利用编队目标的特点,结合密度聚类方法估计出编队整体的状态,避免因状态估计集合中状态值过多影响算法性能.最终,仿真实验结果表明,该方法可以在低可观测情况下有效跟踪编队目标,具有较好的跟踪性能.     

基于仿真的技术保障装备体系效能评估方法

针对陆军技术保障装备体系效能评估需求,提出了基于仿真的技术保障装备体系效能评估方法框架,研究构建了技术保障装备体系效能评估指标体系,给出了指标参数值计算方法和指标权重确定方法,设计了技术保障装备体系效能仿真评估系统功能框架,为面向技术保障装备体系论证与优化的效能评估提供了方法和手段支撑.