AHP-Bayes及Bootstrap方法在战损装备维修工作量统计建模中的应用

提出了一种小样本条件下数据分析和分布规律统计的AHP-Bayes及Bootstrap方法,并以某型火箭炮战损维修工作量分布规律统计为实例进行了应用。该方法为准确预计战时装备维修保障需求,科学制定战时装备维修保障方案提供了定量分析支撑。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

基于3Dmax和OGRE的某型装备视景仿真研究*

某型装备视景仿真的研制对于提高教学质量和训练水平具有重要意义.提出了一种基于3Dmax和OGRE可视类的视景仿真方法,给出了视景仿真系统的总体结构和实现过程,解决了视景仿真过程中一些视点变换、角度控制、场景变化、面板仿真等关键的技术问题.     

神经形态器件现状与未来

为解决现有冯·诺依曼计算机面临的低智能、高能耗、低容错等问题,"类脑计算"应运而生。"类脑计算"借鉴大脑的体系结构和信息处理方式,基于神经形态器件构建逻辑与存储相融合的计算硬件,旨在实现更为灵活和智能的信息处理与计算模式。在阐述"类脑计算"起源与发展现状的基础上,研究了人脑神经网络信息处理机制,重点介绍了神经形态器件的研发态势。神经形态器件作为类脑计算芯片和系统的基本组成单元,对于类脑智能的实现至关重要,因此研发能够高精度模拟生物突触、神经元信息处理功能的微纳器件是当前的研究热点。     

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。     

VNS和SA相结合的指挥控制资源部署

针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。     

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。     

一种支持向量回归的局部邻域稀疏化方法

调整高斯核函数参数可以改变其VC维,通过密度聚类算法发现并分离全局中非线性复杂度不同的局部特征,以支持向量比率为优化指标确定满足局部稀疏条件的核函数,从而达到优化核函数选择以提高整体回归稀疏性的目的。     

基于可视类的导弹飞行训练仿真器研究

导弹飞行训练仿真器的研制对于提高教学质量和训练水平具有重要意义.提出了一种基于OpenGL可视类的视景仿真方法,给出了仿真系统的总体结构和实现过程,主要由数据库、基本设置、交互控制、纹理、三维模型等部分组成,各部分通过运算过程得到可视化仿真部分,解决了仿真过程中一些视点变换、姿态控制、场景变化、仪表仿真等关键的技术问题.     

系统评估效度分析的定量化方法

系统评估效度的定量化分析是评估后检验的有效方法,对于判断评估方法的相容性、评估结果的合理性具有重要意义。研究了等级相关系数法、兼容度优化法、肯德尔和谐系数法和模糊聚类法等4种效度分析方法的原理和步骤,分析了各种效度分析方法的优缺点,并通过实例验证了4种方法分析结果的一致性。