一种组合预测模型及预测值的模糊分级

基于多元线性回归模型及ＧＭ（１,ｎ）模型,给出了一种组合预测模型,进行了组合预测的精度分析及预测值的等级分类,并讨论了其在实际问题中的应用．     

混合模糊逻辑方法及其在雷达/红外双模制导中的应用

混合模糊逻辑方法就是利用模糊规则和对象输入输出的观测数据来辨识一个模糊逻辑系统。该方法对模糊规则和观测数据进行了预处理,给出系统模型的初始结构和参数。将该方法用于处理雷达/红外双模制导中对目标的跟踪问题。仿真表明该方法是有效的。     

课堂教学与网络自主学习的契合

本文以自主学习理论为基础,提出课堂面授与自主学习环境的特点及相互问的密切联系,并解析了目前英语教学中存在的问题,同时提出自主学习是大学英语教学的手段和目的,教师的积极引导是提高学习者的自主能力、推动自主学习模式的重要条件。     

基于改进D-S证据理论的雷达生存效能

为了综合分析雷达的生存效能,通过调整非关键因素和不确定因素的基本可信度对证据理论中证据合成规则进行了改进,并基于改进D-S证据理论提出了雷达生存效能评估模型.改进后的证据合成规则不仅减小了证据的冲突,而且仍然满足证据的基本可信度之和为1的基本要求,保持Dempster合成规则所具有的可交换性.通过雷达生存效能模型应用的一个实际例子计算表明,证据理论是一种科学的效能评估方法,具有可行性和实用性,改进后的证据合成规则能够较好地分析雷达的生存效能.     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

内置谓词函数依赖及其推理规则

研究内置谓词函数依赖及其推理规则.首先提出内置谓词函数依赖,定义了内置谓词函数依赖的语法和语义;其次提出属性-约束集闭包概念,提出计算属性-约束集闭包的算法,判断内置谓词函数依赖逻辑蕴涵;然后提出内置谓词函数依赖的推理规则集A,证明推理规则集A是可靠且完备的,用于内置谓词函数依赖蕴涵分析的形式化证明;最后讨论了内置谓词函数依赖的应用.     

部队资产管理与预算管理相结合长效机制建设的思考

按照武警总部资产管理与预算管理相结合的办法要求,公安现役部队实行了资产管理与预算管理相结合改革,取得明显成效,促进了保障效益的提高。如何确保资产管理与预算管理相结合走上规范化、经常化的轨道？如何确保这些工作有章可循、顺畅运转,具有长久的生命力？笔者通过分析目前部队资产使用和管理现状,提出了加强资产管理与预算管理相结合长效机制建设。     

灰色灾变与回归分析法的航空装备不安全事件预测

为提高航空装备不安全事件的预测水平,减少事故造成的人员和财产损失,将灰色灾变与回归分析方法有机结合,提出一种航空装备不安全事件的组合预测方法。该方法先从数据中找出灾变点(灾变发生的日期),通过建立这些灾变点的灰色灾变模型预测未来灾变点,再对这些灾变点上的值构建灰色预测模型,计算出未来灾变点的灾变值;而对于非灾变点,可建立合适的回归分析模型进行预测。为验证其可行性,在某飞行训练基地的航空装备不安全事件频数的数据基础上,建立了灰色灾变回归组合预测模型,结果表明,模型对2001年~2004年预测的相对误差平均控制在6.87%以内,所建立的组合模型,能够比较客观地反映航空装备安全的未来实际状况。     

装备保障能力评估指标选择方法研究

针对当前装备保障能力评估指标选择方法存在主观性较大、评估精度低、评估结果一致性差等问题,提出了3种装备保障能力评估指标确定方法。依据面向能力的思路,通过对能力、性能与特性关系的分析提出了指标确定方法;基于本体论与文本挖掘技术,对装备保障能力相关文本的特征进行表示和提取,最后定义合适的文本挖掘泛化规则提炼出评估指标和权重;利用FP-Growth关联规则和模糊贝叶斯网络建立混合模型获取评估指标及权重,最后通过案例验证各方法的客观性、有效性和一致性。     

一种新颖的并行级联LDPC码译码算法

针对传统的并行级联低密度奇偶校验码(PCGC)译码算法采用串行算法导致译码延迟大,难以在实时通信系统中应用的问题,提出了一种新颖的PCGC码译码算法,该算法通过对各子码进行并行消息迭代,对相同的信息位进行变量消息联合更新,实现了PCGC码的并行译码。理论分析和仿真结果表明,提出的PCGC码译码算法相较于传统译码算法译码延迟降低,信噪比较低时误码率性能弱于后者,信噪比较高时,误码率性能优于后者。