相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。     

国民经济动员潜力的多元统计分析

选取了国民经济动员潜力的14个总指标进行因子分析,计算出各地区因子得分,并据此对各地区进行单项和综合因子排名,然后用聚类分析法将综合因子进行聚类,得出各地区潜力情况及分类,并就地区潜力进行了分析。     

末敏子母弹落点的近似模拟

攻击线目标的末敏子母弹是一种新型弹种 ,具有较高的射击效力。在分析末敏子母弹抛撒和运动特性的基础上 ,提出近似模拟末敏子弹落点的方法 ,分析过程简单、快速 ,结果具有一定的可信性 ,为近似分析末敏子母弹武器系统射击效力提供了参考工具     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于访问特征负载预测的负载均衡算法

为了提高web集群负载均衡的效果,结合web服务用户访问静动态内容的特征,提出了一种基于访问特征负载预测的负载均衡算法。首先建立网络带宽负载和CPU、内存综合性能负载的小波包一支持向量机回归混合预测模型;然后根据用户请求的类型,结合负载预测的结果对任务进行分配和调度。仿真结果表明：与传统的基于负载预测的负载均衡算法相比,基于访问特征负载预测的负载均衡算法能达到更好的负载均衡效果,从而有效提高web集群的整体性能。     

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。     

拦截弹中制导最优弹道簇生成

针对临近空间高超声速目标飞行速度快,跟踪预测难的特点,提出在中制导阶段进行最优弹道设计与弹道簇生成用于对目标预测命中区域进行有效覆盖的方法。通过分析临近空间高超声速目标对现有防空体系带来的挑战,阐明了在中制导段进行弹道簇设计与生成的必要性;将中制导段的弹道规划问题视为求解满足多种约束条件下的最优控制问题,应用最优化理论方法得到了基准的最优弹道;应用邻域最优控制理论,针对终端约束条件进行调整,设计了邻域最优弹道簇的生成算法。仿真验证了所提方法的有效性。     

军民融合产业创新集群的形成

在军民融合发展战略与创新驱动发展战略深入推进进程中,军民融合产业创新集群成为军民融合产业发展的重要创新形式,其形成问题研究更是对其发展与演化具有重要影响。以军民融合产业创新集群的内涵着手,通过刺激—反应模型与演化博弈模型,分析其形成过程与促进措施。研究表明,军民融合产业创新集群作为复杂适应系统,创新主体的适应性能力及其内在关系是集群形成的关键所在;为使合作创新行为成为演化博弈的稳定策略,从合作创新能力系数和合作创新成本、拥有的创新资源以及政府资金支持三个方面剖析集群形成的促进作用,对军民融合产业创新集群的发展与演化研究奠定基础。     

伞衣优化设计对群伞系统气动特性的影响分析

随着载人航天、深空探测等航天任务的蓬勃发展,航天器回收载荷质量大幅提高,以单具降落伞为功能核心的传统减速系统已不能满足大质量回收载荷日益提高的迫切要求,发展群伞减速着陆系统是实现大载重航天器高效减速和无损着陆要求的发展方向。本文采用数值模拟手段对群伞系统的气动特性开展仿真研究,结合环帆伞构型优化设计,分析了多种构型下群伞系统的气动特性。通过对仿真结果进行流场分析和数据对比发现,开窗/开缝设计既能够确保群伞系统具有良好的阻力特性,又能够维持群伞系统的工作稳定性,避免单伞之间由于受力而发生碰撞现象。采用数值仿真手段不仅可以提高降落伞研制效率,降低研发成本,也为设计人员掌握群伞系统的工作原理、促进降落伞设计理论发展提供了有力保证。     

基于时频单源点检测和聚类验证技术的欠定混合盲辨识算法

针对欠定混合盲辨识问题,提出了一种基于时频单源点检测及聚类验证的盲辨识算法。检测各个源信号的时频单源点,利用奇异值分解的方法求解不同单源点集合对应的混合矢量,利用基于k均值的聚类验证技术完成源信号数目和混合矩阵的联合估计。算法放宽了已有方法对时频单源区域的假设,不需要假设信号存在时频单源区域,可以完成仅存在离散的时频单源点条件下的欠定混合盲辨识;同时克服了传统算法需要假设源信号个数已知的不足,可以有效地估计源信号数目。仿真结果验证了算法的有效性。