基于蚁群算法的模糊控制规则优化设计

为了避免设计模糊控制系统时遇到的“规则爆炸”问题,提出基于模糊相容系数的模糊规则优化方法．该方法定义了模糊规则的相容程度,得出的相容系数矩阵作为蚁群算法的启发式因子．采用蚁群算法优化模糊规则进行仿真,结果显示该方法生成的模糊规则具有较好的相容性和控制性能．     

改进关联规则挖掘算法航空发动机故障检测

通过对航空发动机机载数据结构以及几种常用的航空发动机故障检测方法的深入分析,提出采用关联规则挖掘来实现航空发动机故障检测.针对常用的关联规则挖掘算法——Apriori在应对数据量较大的数据库时存在效率瓶颈的问题,对该算法进行了改进.改进后的算法可以不断降低数据库规模和候选项集的数量.通过对航空发动机实际试车数据的挖掘实...     

略论革命战争时期人民解放军战略预置思想的基本特征

在中国革命战争丰饶土壤中孕育而成的战略预置思想科学体系,被深深打上了马克思主义中国化的烙印,展现出胜兵先胜理念,蓄势与布势统一,战慑并举、隐显结合,主次配置得当,因势利导、适情而变,与群众斗争密切联系,吸纳与革新融合发展等鲜明特征。     

锁相环频率合成器快速锁定方法的研究

跳频通信技术在抗干扰和保密性方面具有的优越性使其在军事通信方面的应用越来越受到重视,跳频通信系统中频率合成器的频率切换速度成为人们关注的热点。文章对三种锁相环(PLL)频率合成器快速锁定的方法进行了较深入的研究,其中分别举例仿真了压控振荡器(VCO)电压预置PLL频率合成器和分数分频PLL(FNPLL)频率合成器的锁定时间,实现了一个S波段DDS分频的PLL频率合成器。通过仿真和测量,给出了相关方法对PLL频率合成器频率切换速度性能改善的程度,并得出了一些有益的结论,对跳频频率合成器的工程研制具有一定的指导意义。     

信度函数在作战效能分析中的运用

针对某些作战效能指标由于与人的行为等因素关系密切而难以量化,运用信度函数探索不确定评价问题。通过建立信度函数模型把指标评价建模为信度函数,并应用登普斯特(Dempster)规则转化为mass函数合成为上层指标进行综合评价。经过实例分析,信度函数模型尤其对战时在考虑指挥员的指挥艺术及士兵士气等非确定性因素的情况下,对作战效能的评估是十分有效的,从而为决策者的作战决策提供一定辅助作用。     

对激发中学生英语教学兴趣的思考

对学习有兴趣的学生表现为:总是怀着期待和愉快的心情上课;上课时注意力集中,为教学内容所吸引,思维活跃,表情明朗,学习效率高;做作业时不感到负担,体会到一种解题的乐趣;积极参加课外活动。兴趣在人的活动中具有重要的意义,因为兴趣是学习最好的老师,是推动人们学习和探究的动力。因此在英语教学中,培养和激发学生对英语学习的兴趣是非常重要的。《义务教育全日制初级中学英语教学大纲》把“激发学生的学习兴趣”列入教学目的,就充分说明了这一点。中学生在刚开始学英语时往往学得津津有味、兴致勃勃,但时隔不久就感到乏味、枯燥,畏难于一…     

综合兵要信息服务关键技术研究

综合兵要信息是作战指挥综合信息库的组成部分,是军事测绘数据应用于作战指挥的桥梁.根据我军目前综合兵要信息的应用模式越来越不满足现在战争数据保障模式的需求为背景展开讨论,分析了目前综合兵要信息保障模式的弊端,设计了综合兵要信息逻辑模型与服务架构,针对模型设计实现了原型展示系统,旨在对综合兵要服务应用方面做一点简单探讨.     

论自主武器军控的国际法及政策要点

如何规制自主武器是1980年《常规武器公约》框架下讨论的热点问题,目前这一议题已进入到政府专家组讨论阶段,对自主武器的研发、测试、部署及使用的关键问题,进行了比较深入的讨论。2018年以来,政府专家组会议最后文件已包含了未来谈判的若干指导性原则。本文认为,结合国际军控博弈的背景和各军事大国人工智能技术发展现状考虑,《日内瓦公约:第一附加议定书》第36条下缔约国审查义务、使用自主武器违反国际人道法的责任不得转移规则,以及2013年《武器贸易条约》对自主武器贸易的管制,是三个法律、政策背景极其复杂的问题。以自身军事能力不受到国际军控规则的严重削弱为基础考量,我国应该对此采取审慎的态度,尽力完善法律和政策。     

一种基于策略的配置管理思想

对更健壮和更有效配置管理工具的需求已成为企业网络管理领域的一个越来越迫切的问题.针对这种情况,提出了一种新的配置管理思想--基于策略的配置管理,给出了规则冲突的产生和解决策略.减少了因配置信息变化而对网络的重构时间,降低了网络的维护成本,使网络配置更易于进行.     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。