基于向量相似度的组合赋权方法

针对多属性决策中属性权重的确定问题,提出了一种基于向量相似度的主、客观权重的集成方法。用权向量的相似度作为不同赋权方法重要性的度量,意义明确,计算简单,可操作性强。最后结合算例验证了此方法的有效性和实用性。     

基于汉明编码和提升小波变换的数字水印算法

通过对水印图像混沌加密和汉明编码,以及对原始图像进行提升小波变换,并结合人类视觉系统特性值计算,提高了水印算法的鲁棒性。     

一种确定指标权重的新方法

针对如何客观地确定某一状态下指标权重这一问题,在给出向量相似度定义的基础上,提出了一种确定指标权重的新方法——向量相似度法。依据向量的两要素(大小和方向),把向量的相似度分解为范数相似度和方向相似度,从而使得向量相似度得以准确的表达。通过计算各指标特征向量与系统综合指标向量的相似度并将其归一化处理进而得出了指标权重。由于该方法直接从系统性能指标抽样数据入手,没有人为因素的干扰,因此具有很强的客观性。结合算例确定指标权重的结果符合客观实际,与其它客观赋权法确定的权重值也很吻合,充分说明了此方法的有效性和实用性,为确定指标权重提供了一种有效的方法和途径。     

层次分析法在潜艇作战能力评估中的应用

本文采用层次分析法（AHP：Analysis Hierarchy Process）与Delphi相结合的方法对潜艇的作战能力进行了科学评估,不仅可以为潜艇的作战使用提供指导,也可为潜艇的改进和发展提供量化依据。     

网络分析法和熵权的装备保障系统能力评估

针对传统方法在解决装备保障能力评估问题上的局限性,利用网络分析法,构建了双层网络结构的评估指标体系,以反映装备保障系统复杂的内部关系;为克服网络分析法在求解指标权重时的缺陷,结合熵权理论,提出了指标权重修正模型;兼顾平时、战时的不同评估需求,提出了基于网络分析法和熵权的综合评估模型。通过实例应用,验证了方法的可行性、有效性。     

分布式异构集群中节点优先级调优算法

节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。     

数据链支持下的武器系统评估体系研究

结合数据链作战使用需求,针对国外采用统计法评估数据链系统代价高、费时和针对单一兵器系统的问题。创新性地将作用域原则引入WSSDL作战效能评估体系过程中,完成了基于作用域的指标体系构建和综合评估方法设计工作,首次有效地解决了数据链支持下武器系统的评估对象多样化、人在回路因素多、定性指标缺乏量化手段的问题,为数据链支持下的武器系统作战效能评估提供了可靠手段和方法。     

一种改进的证据权重确定方法

针对Dempster方法在合成高冲突证据时存在的问题,分析了现有改进方法的缺点,提出了一种新的改进方法。该方法首先利用证据之间的相似系数求出各证据的初级权重;然后引入权重折扣因子,将冲突证据的权重按折扣因子折算后并入到其他证据的权重中,得到各证据的综合权重;最后对证据加权平均后再利用D-S组合规则进行组合,通过算例比较表明改进后的方法合成结果更加有效。     

基于向量皮尔森相关系数的组合赋权法

针对多属性决策中属性权重的确定问题,提出了一种基于皮尔森相关系数的主、客观权重的集成方法。用权向量的相关度作为不同赋权方法重要性的度量,意义明确,计算简单,可操作性强。最后采用算例验证了此方法的有效性和实用性。     

地空导弹对突防飞机的威胁评估模型

从研究航空兵对地空导弹突防作战背景出发,建立了地空导弹对突防飞机的威胁评估指标体系,并运用灰色系统理论,结合非线性树形分布权值分配法的应用,构建了基于多层次灰色理论的地空导弹对突防飞机的威胁评估模型,最后通过实例,对模型的有效性进行了检验.