基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于粒子群算法维修保障单元优化配置

针对维修保障单元配置过程中需权衡综合多因素问题,提出了一种基于粒子群算法的维修保障单元优化配置决策模型和方法。首先,以维修任务完成概率为设计目标、以维修保障单元总数量为约束,建立维修保障单元配置决策模型;其次,运用粒子群算法对维修保障单元配置问题进行优化求解。通过具体实例分析,证明了该方法的正确性和有效性。     

基于改进粒子群算法的自动机性能评估

由于自行高炮自动机状态监测中缺乏行之有效的机构性能评估手段,引入了改进粒子群算法。建立了自动机动力学模型,对后坐过程进行了动力学仿真,确定了反映机构性能的浮动曲线特征量。针对粒子群算法收敛速度慢、精度低等缺陷,对其进行改进,并结合曲线特征量对自动机性能参数进行了评估。结果表明:改进后粒子群算法的算法收敛性和结果精度都有明显的改善,有效实现了自动机的性能参数评估。     

基于熵权决策的灭火救援方案优选方法

针对灭火救援方案优选中属性信息的模糊特性,提出了一种基于熵权决策的多属性灭火救援方案优选方法。该方法模型充分挖掘了待选方案的固有信息,采用熵权和专家评判相结合的方式,确定了一个综合考虑主客观因素的评价权重,进而通过确定熵权系数对待选方案进行排序优选,避免了决策者的主观偏好和意向,使决策更加科学化。实例研究表明:该方法模型的决策结果相对比较合理、客观、可靠,具有较强的实用价值,可为消防指挥员进行指挥决策提供参考,同时也为模糊多属性决策问题提供了一条新的解决途径。     

针对多振源密频及波动线谱主动控制的改进算法及试验

为了让船舶机械主动隔振装置在线谱频率波动和多振源密频耦合等实船复杂工况下,仍能取得良好的振动线谱主动控制效果,研究了以多通道窄带Fx-Newton算法为基础的改进算法,提出了窄带滤波相位失真的自适应补偿器,使控制算法对线谱频率波动具有高鲁棒性;研究了多参考信号Fx-Newton算法,从多振源分离提取互不相关的多参考信号...     

主成分分析的模糊神经网络目标识别系统

提出了一种基于模糊神经网络(Fuzzy Neural Networks,FNN)的目标识别算法.在对目标进行模糊化处理基础上,通过主成分分析(Principal Component Analysis,PCA)提取相应的特征空间,以畸变的特征向量对系统进行训练,从而获得较高的目标变化适应性.仿真实验结果表明, 这种方法具有较强的自适应能力,抗噪性能也有所提高.     

Rodrigues参数与四元数间的关系分析

介绍了Rodrigues参数,从投影的角度,详细阐述了四元数与经典Rodrigues参数及改进型Rodrigues参数的关系,推导了Rodrigues参数微分方程以及与姿态阵的关系,建立了等效旋转时避免奇异值出现的方法.以典型圆锥运动为背景,对以Rodrigues参数描述的导弹捷联姿态算法和以四元数描述的姿态算法在计算量和计算精度上做了详细的比较.     

跟踪机动目标的一种新的多模型算法

在机动目标跟踪的多模型(MM)方法的研究中,提出了一种新的多模型方法,即最小子模型集切换(MSMSS)算法.这种MSMSS算法从总模型集中自适应确定最小模型集,用来完成多模型(MM)估计.仿真结果表明,和标准的交互式MM(IMM)相比,所提到的算法,在保持同等的跟踪性能的前提下需要很小的计算量,在计算量相等的情况下具有更好的跟踪性能.