融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

弹药洞库有害气体分布规律研究

以计算流体力学（CFD）为理论基础,应用GAMBIT软件对洞库内的有害气体进行几何模型构建和网络划分,用FLUENT软件对所建模型中有害气体的扩散和分布规律进行模拟分析,并对单一释放源条件下扩散规律进行比较,分析弹药堆垛对气体扩散的影响．通过对洞库内有害气体的整体分布规律的研究,找到了库房内有害气体浓度最高的位置．最后,通过实验对仿真结果进行验证．     

一种高效的不协调决策表约简算法

目前,不协调决策表的分布约简、最大分布约简和分配约简算法复杂度较高,不适合处理大数据集。在分析已有算法基础上,分析了基于相对可区分度的属性重要性度量的性质,解决了正域度量属性重要性的缺陷。针对不协调决策表,给出了多种简化协调决策表的定义,从而大大缩减了约简的实例数。以相对可区分度为启发函数构造了一种高效完备的不协调决策表约简算法。理论分析和实验结果表明,该约简算法解决了现有算法在复杂度和属性重要性度量上的缺陷,适合处理不协调的大数据集。     

面向产品配置的模块求解策略研究

针对模块化设计的产品配置阶段,提出了基于模块族特征参数模型的模块配置集生成流程。详细阐述利用质量功能配置(QFD)将用户需求定量映射为模块特征参数的方法,描述了依据相似度计算模型按照映射关系从模块库中检索模块的过程,从而为构建产品模块配置集、确定产品配置方案提供了完整的途径。     

基于粗糙集理论的武器系统效能评定

简述了各种武器效能评定方法。建立武器参数效能模型,首先要挑选特征参数,这里采用知识约简方法选择武器的特征参数。利用神经网络理论建立了参数效能模型,武器系统的效能与武器特征参数的关系可通过神经网络的阈值和权值得到体现。通过实例对神经网络法与指数法所得的结果进行了比较,结果表明神经网络法比指数法精确。     

基于神经网络的弹药消耗预测

针对弹药消耗预测问题,运用一种改进的BP神经网络预测方法。预测时对样本数据进行了预处理,并在时序训练样本中引入了遗忘因子,以提高当前预测的精度,以及在权值调整过程中,引入"惯性项",以改善学习收敛过程。     

一种基于VPRSM的辐射源模糊识别方法

为解决辐射源识别的问题,研究利用变精度粗糙集模型来确定辐射源识别特征权值的方法。由概念的正域中对象类的条件属性的描述,得到该概念的充分条件,并依据知识间的依赖性作为所要考虑的因素来获取特征权值,同时结合模糊集理论,提出一种基于变精度粗集特征加权的辐射源模糊识别方法。最后将此识别方法模型应用于雷达辐射源用途识别,仿真实验及其结果验证了该方法的可行性和有效性。     

战术弹药供应保障系统分析与改进

从我军战术弹药供应保障现状研究入手,按照环境、组成、结构、运行与功能五要素对战术弹药供应保障系统进行分析后,发现信息在系统内串行的处理和传递顺序是导致系统自主性和响应性不足的主要原因之一。提出通过系统结构和运行改进使信息流动由串行变为串并行结合,从而提高供应保障系统的响应速度,并通过计算验证了改进的有效性。     

基于网络分析法的弹药生产响应能力影响因素

针对未来战场对弹药需求动态、突发、受任务冲击影响等特点,提出弹药生产响应能力概念,建立了任务冲击条件下弹药生产响应能力影响因素的指标体系。运用网络分析法,建立典型结构的弹药生产响应能力影响因素的网络模型,得出弹药生产响应能力的关键影响因素,为弹药生产响应能力分析与提高提供了科学研究方法。     

基于SD的弹药供应链系统稳定性分析

为了研究弹药供应链系统的稳定性,基于弹药供应链系统的组成进行分析,采用系统动力学方法建立了二阶弹药供应链系统的稳定性模型,并利用系统动力学专用软件Vensim对该模型进行数学建模与仿真实验,得到系统稳定、出现震荡及溢出现象时相关参数的取值范围。仿真结果表明：影响弹药供应链系统稳定性的因素是弹药库订货决策的参数,与外部需求无关。