移动社会网络中的链路预测方法研究

链路预测对于研究移动社会网络结构演化有着重要意义。文章首先对移动社会网络及其链路预测问题进行建模,然后通过定义节点间的最短路径,提取网络拓扑结构。在此基础上定义节点间的连接引力值,将移动社会网络链路预测问题转化为动态网络中连接引力值的计算问题,并给出其在连续时间内的计算方法。通过实验对预测结果进行分析和比较,证明该预测方法是可行的,并且在预测精度上取得了较好的效果。     

基于可能性决策的敌对危机行动预测与仿真

可能性决策能较好地应对军事领域常常出现的概率难以获得,或者强调“出奇制胜”而有意规避概率风险的情形,是解决知识不完备情况下敌对行动预测的有力手段。从可能性理论基本公理体系出发,结合动态规划方法,提出并证明可能性决策的最优化定理,给出多步条件下可能性决策的实现算法,结合危机条件下敌对行动预测的范例和仿真分析,与传统概率风险决策进行比较,体现可能性决策的优越性,为该方法的推广应用创造条件。     

基于Matlab四杆式液压起落机构运动学与动力学分析

提出了一种可用于加油卷盘升降的四杆式液压起落机构的设计方案。分析了四杆式液压起落机构的工作原理,采用复数向量法建立了运动学和动力学数学模型。利用Matlab软件编制了相应的程序进行实例分析和计算,得到了机构关键点的仿真轨迹和有关构件的角位移、角速度及角加速度曲线。运用理论分析计算和软件仿真,验证了机构设计的合理性和方案的可行性。     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

基于探索性分析的电子对抗作战方案评估方法

以空中进攻作战中对防空预警系统的电子对抗作战为例,研究了针对作战方案的变量设定方法和探索空间优化方法,设计了作战方案决策树结构、方案评估的指标体系、多分辨率模型和基于使命任务和作战效果的评估模型,构建了基于探索性分析的电子对抗作战方案评估框架。     

电子装备作战能力的正交探索性预测和分析

对电子装备作战能力进行分析必须基于作战能力的影响因素及其水平,但是这些影响因素及其水平很多,通过全因素组合试验进行作战能力预测分析并不现实。提出基于正交表对电子装备作战能力进行探索性预测分析,介绍了作战能力的正交探索性预测步骤和算法,并就通信侦察装备侦察概率的正交探索性预测进行了仿真分析。结果表明,电子装备作战能力正交探索性预测分析方法有效可行,能为装备的研制与实际作战使用提供更为合理的依据。     

基于分层抽样和集对分析的军事抽样调查方法研究

构建了基于分层抽样和集对分析的军事抽样调查模型,运用分层抽样方法确定了样本数量,运用集对分析方法确定了具体的样本个体,避免了抽样随意性,确保了抽样调查精度。模型运用于后方油库抽样调查实践中,得到了进一步验证。     

基于漏搜信息的剩余水雷评估模型

在声纳搜索水雷任务中,为提高剩余雷数估计的准确性,加强作战辅助决策能力,针对现有评估模型未考虑漏搜区和重叠区,评估结果误差和离散性较大的问题,提出一种修正发现雷数的方法：对任务区建立网格,根据记录航迹获得的覆盖次数分布情况,从中提取出漏搜信息,并用其修正发现雷数向量。该方法有效解决了评估向量误差大、维数偏低的缺陷,显著提高了合理性。对典型情况的大量仿真试验证明,该方法能大幅度提高评估结果的准确性,降低离散性,并具有更强的适应性。     

装备保障资源确定技术研究与需求分析系统开发

维修资源是实施装备维修工作的物质基础和重要保证,无论是平时训练还是战时抢修,维修资源都占据着十分重要的地位,不仅影响着装备的寿命周期费用(Life Cycle Costs,LCC),还直接影响着装备的战备完好率以及部队战斗力的保持和恢复.应用更加科学高效的方法确定保障资源,是维修决策面临的重要问题之一.据此,着眼于部队装备维修保障现状需求,将维修任务分配与保障资源需求紧密结合,提出了保障资源确定分析流程,并对分析过程中的关键技术进行了相应的研究,建立了典型的维修决策模型,优化了保障资源配置.最后开发了计算机辅助决策分析系统,为维修资源的优化配置起到了很好的辅助决策作用.     

基于云理论的装备技术状态预测

通过分析装备技术状态变化的模糊性和不确定性等特性,提出了基于云理论的装备技术状态预测模型.根据装备技术状态劣化趋势,给出了基于云模型的时间序列状态预测方法,有效地运用了装备状态评估中的主观预测知识.将历史趋势与当前趋势相结合,实现了基于时间序列的状态预测.最后以某装备的发动机为研究对象,对发动机状态的动态评估值进行了预测,验证了该状态预测方法的有效性.