基于蚁群算法的航空弹药需求测算

智能化是现代航空弹药需求与指挥控制系统的发展趋势,如何进行合理快速地调拨航空弹药是系统设计过程中的关键任务之一。为此,提出了依据目标对航空弹药进行选择的策略,利用蚁群算法对战斗目标进行聚类分析,对各类目标进行模糊综合评判,从而确定装备出动方案,依据弹药与装备的关系,对满足既定保障度的弹药需求量建立模型,并计算出满足既定保障度的弹药供应量,为战前对战场态势预估,实现弹药战时及时准确调拨,为作战弹药准备提供依据。     

抗氰预防药和急救药在航海条件下效价的研究

以新西兰兔为实验动物,对陆地和航海两种不同条件下“舰员防化急救箱”中装备的抗氰预防和急救药的效价作了测定和比较,并探讨了航海条件对氰类毒剂中毒和防治的影响。     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

基于模糊聚类的雷达信号分选

为克服传统信号分选算法的局限性,采用了基于模糊聚类分析的雷达脉冲信号分选方法。首先介绍了模糊聚类的基本原理和具体步骤,利用熵权法对不同雷达信号特征参数增加了加权系数,其次建立了有效性评价模型来确定最佳聚类,并进行了信号分选仿真实验。利用该方法进行模糊聚类时无需设置阈值,仿真结果证明分选方法的正确性,验证了此方法的有效性和可行性。该方法能够处理多个雷达脉冲信号,是一种解决多脉冲信号分选问题的新途径。     

《孔学堂》杂志、孔学堂书局 招聘启事

正立足当代弘扬中华文化面向世界对话多元文明《孔学堂》杂志(中国思想文化评论)是国家新闻出版广电总局新批准创办的公开发行的期刊(中英文、双月刊,国内统一刊号为CN52-5035/C),宗旨是:立足当代弘扬中华文化,面向世界对话多元文明。孔学堂书局是国家新闻出版广电总局新批准成立的出版单位,主要出版范围是:发掘和阐发中华优秀传统文化的学术著作、大众文化类图书等。因工作和发展需要,面向全国招聘英才。工作地点:贵阳、上海、北京。     

非竞争类军品应推行竞争性采购方式

非竞争类军品具有生产和消费的垄断性,其价格受机制和市场环境的制约,采购效益相对较低。推行该类军品的竞争性采购,必须培育与竞争性采购相适应的竞争环境,建立健全与竞争性采购方式相适应的组织体系、价格形成机制、采购效益评价机制、采购监督机制和采购激励机制。     

聚类分析法在通用装备保障训练考评中的应用

针对通用装备保障训练考评的特点,探讨了利用聚类分析法对通用装备保障训练考评成绩区分与排序,并给出了对通用装备保障分队的训练考评成绩进行区分与排序的实例。     

基于密度聚类的地面发控解耦模型研究

目前多弹种共架发射是火箭炮发射系统的主流趋势,但是在现役装备适配新增弹种时,发射控制软件设计过程繁琐,弹种间互用数据结构,参数相互关联,修改某一弹种时可能对其他弹种造成未知影响,耦合现象严重.在某型火箭炮发控软件的基础上,基于密度的聚类算法选取合适的参数,将发控软件预处理得到的功能节点按其相似度包装成软件功能模块,分析...     

基于DBSCAN聚类的异构多智能体分层任务分配方法

针对多约束条件下大规模探测/通信智能体集群协同探测任务分配问题,从全局与局部相结合的角度,提出了一种分层任务分配求解方法。首先,根据通信距离约束对所有任务节点进行聚类预分组,将集群任务分配问题划分为上层全局任务分配和底层局部任务分配。然后,根据聚类结果采用启发式算法求解探测/通信智能体组间全局任务分配结果。随后,根据探测智能体的全局任务分配结果,采用遗传算法对探测智能体组内任务进行分配。最后,通信智能体根据探测智能体的组内任务分配结果,采用基于虚拟节点的方法进行组内任务分配。实验结果表明,相较于直接求解方法,分层任务分配方法不仅解决了大规模集群协同任务分配问题,还可以在保证优化目标值相近的情况下,缩短70%以上的求解时间,较快得到相对最优的任务分配结果。     

改进的聚类算法在入侵检测系统中的应用

K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的"密度"信息有效地改进K-中心点聚类算法并应用于入侵检测模型。该算法很好地克服了传统的K-中心点聚类算法过分依赖初始中心点选择的弊端,并且用实验分别验证,以这种方法来进行数据的聚类相比于传统的K-中心点聚类算法,显著提高了数据集聚类的效果,在入侵检测系统的应用中也有效地提高了检测率和降低了误检率,具备一定的实用价值。