面向城市作战的坦克分队多目标威胁评估

针对传统TOPSIS方法在解决坦克分队战场目标威胁评估时所包含评估指标信息不完整的问题,提出了利用直觉模糊熵改进的TOPSIS多目标威胁评估方法。根据城市作战特点建立坦克分队战场目标威胁评估指标体系,明确评估指标评价语言与直觉模糊数之间的对应关系,利用组合赋权法确定评估指标权重,利用直觉模糊熵改进的TOPSIS方法对城市作战中坦克分队单时刻、多目标威胁评估进行仿真分析,得出最终的目标威胁排序。结果表明,所提算法包含评估指标评价信息完整,并能对决策者风险偏好进行灵敏度分析,灵活性强,可靠性高。     

基于熵权法-云模型的雷达装备通用质量评估

针对现有雷达装备通用质量评估方法中存在评估指标选取主观性强、定性定量指标不能有效融合的问题,提出了一种基于熵权法和云模型的评估方法。总结了雷达装备通用质量评估指标体系的构建方法和流程,并在此基础上建立了全面、易量化的指标体系;基于熵权法比较评估了指标之间的区分度,筛选出了对评估结果影响突出的指标,实现了评估指标的约简;利用云模型将定性定量指标有机融合得到综合评估云模型,通过云相似度算法确定评估质量等级。通过实例计算,验证了本方法的合理性和可行性,为不同型号雷达装备通用质量特性的优劣比较提供了一种新的思路。     

论军队财务管理体制的熵值效应

文章运用熵定律对现行军队财务管理体制进行了系统分析,认为,熵定律在封闭的军队财务管理系统中集中表现为财务管理效率从高效率走向低效率;要提高军队财务管理体制效率,增加负熵值,必须对组织结构进行"扁平化"改革,努力提高工作人员素质,实现系统内外交流,依法规范管理。     

基于熵值法的坦克动力舱热工况的综合评价

坦克动力舱的结构和布置有多种型式,为了对不同结构的动力舱热工况的优劣进行对比、评价,必须用量化的指标加以衡量.提出了一种坦克动力舱热工况的评价指标体系,运用熵值法原理科学地确定各评价指标权重,建立了综合评价模型,并对某型主战坦克动力舱的不同布置方案进行了热工况综合评价.     

基于相关熵的MACH滤波器

最大平均相关高度(MACH:Maximum Average Correlation Height)滤波器是一种重要的基于相关的模式识别方法。滤波器由训练数据线性构造而成,具有良好的畸变容忍能力,在线性高斯噪声条件下具有理论最优性。为将算法适用于广泛的非线性、非高斯情形,本文引入一种新的度量函数相关熵,可隐性地将输入数据通过非线性变换映射到特征空间;并在新的空间中提出了基于相关熵的MACH滤波器构造方法。最后将此方法应用于合成孔径雷达(SAR:Synthetic Aperture Radar)图像目标分类进行了实验,在接收机工作性能曲线和峰值旁瓣比的比对中,本文算法的性能均有所提升。     

巡航导弹发射阵地选择的组合熵权系数法

当前巡航导弹发射阵地选择单纯依靠决策者主观判断,缺乏一定科学性,排序结果往往不合理。通过分析影响发射阵地选择的主要因素,提出了主观判断与客观情况相结合、定性定量分析相结合的熵权法,并以此法确定指标权重系数,运用现代模糊多属性决策理论建立了发射阵地选择模型。通过仿真计算,该模型能够得到较为合理的阵地排序结果,为巡航导弹部队作战指挥提供决策支持。     

非线性任务回报的UAV任务分配方法

针对UAV任务分配中任务回报值与执行任务的UAV数量成非线性关系问题进行了研究,改进了该问题的非线性约束数学模型,加入了回报比分析,提高了模型的准确性.根据所建模型运用互熵算法对模型进行了仿真.就算法性能与相似的其他非线性算法进行了对比仿真,结果验证了算法的有效性.     

基于改进TOPSIS模型的区域防空重点保卫目标优选与排序

根据区域防空重点保卫目标优选的依据和原则,确定了影响保卫目标重要程度的主要因素,建立目标属性矩阵,并运用层次分析法和熵权法进行组合赋权,利用改进逼近理想解的排序法模型对保卫目标的重要性进行了定量分析。实例分析表明该方法合理有效。     

基于层次定位的新疆高校核心竞争力综合评价研究

从人才培养、师资队伍以及科学研究等三个方面构建高校核心竞争力评价指标体系,运用熵值法对新疆六所高校进行综合评价,结果发现,无论是新疆综合型高校还是多科型高校,加强学科建设是提升所有类型高校核心竞争力的主要策略。而科研竞争力对新疆综合型高校核心竞争力提升的贡献最大,而对新疆多科型高校核心竞争力提升贡献最大的是学科竞争力与师资队伍竞争力。文章还提出了相应的对策建议。     

排列熵算法的应用与发展

重点阐述了排列熵算法的基本原理,总结归纳了该算法在医学、生物和机械等领域的国内外研究和应用现状,最后展望了排列熵算法的未来发展趋势。研究表明：排列熵算法能够有效放大时间序列的微弱变化,且计算简单、实时性高,已在信号突变检测方面显示出良好的应用前景。