累积法在随机删失数据可靠性评估中的应用

在可靠性数据分析中引入累积法,结合平均秩次法解决随机删失数据下的参数估计问题。以双参数威布尔分布为例,设计了一种对比分析累积法和最小二乘法进行参数估计时估算效果优劣性的蒙特卡洛仿真方法。仿真结果表明,对于不同删失比、不同样本量下的随机删失数据,累积法的计算误差比最小二乘法更小,其结果更加接近真实值。     

基于目标运动特征和TOPSIS决策的多目标选择方法

针对现代水面舰艇所布放的箔条、角反射器(体)等无源干扰设施严重影响导弹导引头选择真正舰船目标的现象,提出了一种基于目标运动特征属性信息和改进的逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)的多目标选择方法。通过将多目标选择问题等效成多属性决策问题,借助目标的运动特征,改进了理想解和负理想解的确定方法,最终得到决策模型。仿真试验表明:该方法简单有效,适合于工程应用。     

基于AHP算法的精确作战目标价值排序问题研究

针对精确作战中的目标价值排序问题,从战场实际出发建立了目标价值体系,并在此基础上应用AHP原理提出了目标价值排序的递阶层次结构模型．通过成对比较实现作战目标价值的精确排序,为指挥员基于目标价值的决策提供理论依据．     

拓展TOPSIS的地面目标关联算法

地面战场复杂的背景环境和目标的强机动性,使得传统关联方法所必需的先验信息不易获得,且传统关联方法仅利用状态信息进行关联,导致关联信息量不足,从而关联正确率不高。针对上述问题,采用无需任何先验假设的TOPS IS,在状态信息的基础上引入属性信息,作为拓展TOPS IS的评价指标,利用熵权确定各指标权重,最后用相对贴近度确定关联排序。仿真结果表明,该算法有效地提高了关联正确率,且能够满足实时性要求。     

加权α-比较数排序法在群决策中的应用

针对军事决策的群体性和模糊性,探索新的群决策方案优选方法。将区间数这一模糊概念与α-比较数排序法相结合,用区间数表示决策者对备选方案的模糊偏爱度,并结合决策者在决策群中的权重确定决策群对方案集的综合偏爱度,得到一种新的群决策方案排序模型,并通过算例验证了模型的准确性。该模型综合考虑了决策者在比较备选方案确定其偏爱度时的模糊性以及决策者的决策地位,能比较全面地反映军事群决策的特性,并且计算简便,便于指挥系统实时解算。     

AHP法在舰空导弹作战通道分析中的应用

层次分析法(AHP)是一种简便、灵活而又实用的多准则决策的系统分析方法。运用该分析方法对舰空导弹武器各作战通道的性能进行综合分析,其中在对决策矩阵进行计算时,使用了三种不同的效用函数对方案层的各项指标进行了量化,最后得出了各作战通道的综合价值,此值可为指挥员决策提供参考。计算结果表明该方法用于作战通道评价是切实可行的。     

基于用户相关反馈的排序学习算法研究

在信息检索中,系统需要根据用户查询将文档按照相似度大小进行排序,吸引了众多信息检索和机器学习领域研究者的眼球,并形成了诸多排序算法模型。然而并未考虑到查询短语与文档构成的特征对与用户相关反馈之间存在的同质性。在机器学习算法基础上,通过提取训练样本的主要特征进行有效聚类,并结合用户的相关反馈获取各个类中相关度判断的置信值,形成相似度判定模型,应用该模型来对测试样本进行相关度排序。算法对LETOR数据集进行了测试,实验表明,信息检索性能指标比其他排序算法有了进一步提高,并且无需复杂的数据预处理工作和手动设定算法参数。     

多机协同多目标攻击的目标分配和攻击排序

研究了多机协同空战中多目标攻击的目标分配和攻击排序的过程和方法.首先通过对影响空战态势的因素进行分析,提出一种新的综合距离优势、角度优势和能量优势构造综合优势函数的工程方法,并利用综合优势函数计算出目标分配矩阵,然后介绍了在目标分配矩阵上进行多机协同目标分配和攻击排序的过程和算法,最后用仿真验证了该算法的有效性.     

TOPSIS法用于区域防空重点保卫目标排序计算

区域防空作战中优化选择重点保卫目标,集中部署优势防空兵力,才能确保重点目标不受或少受损失.分析了影响保卫目标重要性的主要因素,采取德尔菲法获得指标值,采用层次分析法得到指标权重,利用逼近理想解的排序法对保卫目标的重要性进行了定量分析.最后通过算例对算法的正确性和实用性进行了验证.     

基于话题模型的专家发现方法

专家发现是实体检索的一个重要方面。经典的专家发现模型建立在专家与词项的条件独立性假设基础上。在实际应用中该假设通常不成立,使得专家发现的效果不够理想。本文提出了一种基于话题模型的专家发现方法,该方法无需依赖候选专家与词项的条件独立性假设,且其可操作性比经典模型更强。同时,使用了一种排序截断技术,该技术极大地降低了模型的计算复杂度。使用CERC(CSIRO Enterprise Research Collection)数据集对模型的性能进行评估。实验结果表明,基于话题模型的专家发现方法在各个评价指标上均优于经典的专家发现模型,能够有效地提高专家发现的效能。