小样本装备软件成本估算相关向量机建模

针对装备软件成本估算时面临的历史数据少的小样本难题,提出把机器学习理论运用到装备软件成本估算研究领域,构建了基于相关向量机的小样本装备软件成本估算模型,采用COCOMO模型数据库中的数据对所构建模型进行训练和验证。为进一步验证所构建模型的合理性,在机器学习领域分别运用支持向量机模型和神经网络模型对相同数据进行估算,实验结果证明了基于相关向量机估算模型在小样本装备软件成本估算时比其他两种模型更精确。     

基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。     

基于状态的维修及其决策模型研究

在分析各种传统维修方式优缺点的基础上,研究了基于状态的维修(Condition Based Maintenance,CBM)中现行的几个技术标准IEEE Std 1451、IEEE Std 1232和ISO 13373-1,并着重分析了CBM开放系统体系结构OSA-CBM的7大组成模块,指出了未来CBM的发展应集中于OSA-CBM的第5、6模块的研究。针对这2个模块,给出了一种利用建立数学模型进行装备健康预测及维修决策支持的可行的研究思路和结构框架。