远程火炮密集度试验多组数据的处理方法

远程火炮密集度试验需要进行多次射击,同一试验条件下的多组数据通常认为来源于同一分布,但却未见于证明。利用统计检验方法,给出了对试验数据方差齐性及均值相等性的检验方法,并在多组试验数据一致性的基础上给出了试验数据均值、方差的无偏估计,同时在既定置信度下给出了其置信区间,为远程火炮精度检测提供了工具。     

车载炮最大射程地面密集度影响因素研究

分析影响某型车载炮最大射程地面密集度的主要因素,并对在高低齿弧上的作用力和弹药的影响进行重点探讨,提出提高地面密集度试验精度的措施,为密集度试验方法改进提供了依据。     

Holonic-C2组织决策分配及演化方法

为了有效发挥指挥控制(Command and Control, C2)组织集中式决策和协作式决策的决策优势,对具有决策权限动态变化能力的Holonic-C2组织的决策分配问题进行研究。针对群决策中专家固定权重的主观性太强的缺点,提出基于专家权威性和意见一致性相结合的专家组选择方法,提高了决策分配过程中多属性决策的客观合理性;针对决策分配的动态演化问题,提出基于多阶段决策的决策模式演化机制,在考虑属性前后阶段的变化的基础上,给出相邻阶段决策模式跃迁方法。仿真结果表明,所提方法能够给出相对客观的决策模式的优劣排序以及多阶段的演化路线,从而证明了方法的可行性和有效性。     

语义树方法及其可靠性和完备性

Ａｎｄｒｅｗｓ在《ＡｎＩｎｔｒｏｄｕｃｔｉｏｎｔｏＭａｔｈｅｍａｔｉｃａｌＬｏｇｉｃａｎｄＴｙｐｅＴｈｅｏｒｙ：ＴｏＴｒｕｔｈＴｈｒｏｕｇｈＰｒｏｏｆ》一书中给出的语义树方法是一种能直接适用于句子集的反驳方法,但其中关于语义树方法的可靠性和完备性定理（３２０１）及其证明是错误的。本文通过例子指出并纠正了这一错误,同时对修正后的可靠性和完备性定理给出了详细的证明。     

STCN的对岸打击时间协同冲突消解研究

为验证航空兵对岸打击中时间协同计划的可行性以及快速地调整时间协同计划,建立了任务间的简单时间约束网络(STCN),并转化成权值矩阵的形式.根据权值矩阵特点,提出了一种检测STCN一致性的权值矩阵法,大大降低了算法复杂度.为加快时间协同计划的调整速度,基于检测结果,提出了一种代价最小的冲突消解方法,避免了消解过程中的重复检测问题,提高了效率,使计划调整更加快捷高效.     

结合多视角学习与一致性表征的人脸伪造检测

现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。     

分布式数据库系统中数据一致性维护方法研究

分布式数据库系统是数据库领域中的一个主要研究方向 ,数据一致性维护是分布式数据库系统中的一个非常关键的技术问题。在深入分析和比较各种维护数据一致性方法的基础上 ,提出了一种较为有效的维护数据一致性的方法 ,详细论述了该方法如何解决并发执行引起的冲突问题 ,以及如何利用消息队列机制保持各数据副本的一致     

流编程模型下的存储一致性模型

在流编程模型下建立了一个新的存储一致性模型--流一致性模型,它比传统的释放一致性模型更加松弛.讨论了流一致性模型对程序设计和系统设计的要求,给出了一个正确的系统实现,并且指出流一致性模型的编程和实现并不比现有的一致性模型复杂.     

Information theory for ranking and selection

We study the classical ranking and selection problem, where the ultimate goal is to find the unknown best alternative in terms of the probability of correct selection or expected opportunity cost. However, this paper adopts an alternative sampling approach to achieve this goal, where sampling decisions are made with the objective of maximizing information about the unknown best alternative, or equivalently, minimizing its Shannon entropy. This adaptive learning is formulated via a Bayesian stochastic dynamic programming problem, by which several properties of the learning problem are presented, including the monotonicity of the optimal value function in an information-seeking setting. Since the state space of the stochastic dynamic program is unbounded in the Gaussian setting, a one-step look-ahead approach is used to develop a policy. The proposed policy seeks to maximize the one-step information gain about the unknown best alternative, and therefore, it is called information gradient (IG). It is also proved that the IG policy is consistent, that is, as the sampling budget grows to infinity, the IG policy finds the true best alternative almost surely. Later, a computationally efficient estimate of the proposed policy, called approximated information gradient (AIG), is introduced and in the numerical experiments its performance is tested against recent benchmarks alongside several sensitivity analyses. Results show that AIG performs competitively against other algorithms from the literature.     

基于权重的AHP判断矩阵一致性调整方法

传统的判断矩阵调整方法计算得到的权重不能最大限度地保留原始判断矩阵的信息。为此,提出一种基于权重的判断矩阵调整方法。该方法根据权重的性质,构造完全一致矩阵,利用AdaGrad最速下降法对矩阵进行拟合,使该矩阵相对于原始判断矩阵的总改变量最小,以其对应的权重作为矩阵的计算结果。数值计算结果表明,该方法相比于其他方法,权重对原始判断信息的保留度更高,且不需要反复进行矩阵一致性检验。