基于集对分析的后勤补给路线决策问题研究

由于现代战争后勤补给的快速性、安全性、决策者的主观性及获取情报信息的相关特性,使后勤补给路线的决策问题具有不确定性.利用集对分析对确定不确定信息的良好处理能力,对后勤补给路线的决策问题进行了研究.在选择路线时摒弃了传统的只考虑时间效益的思路,综合分析影响后勤补给路线选择的诸多因素,在遵循目的性、实用性、关联性、客观性和定量化原则基础之上,构建了后勤补给路线选择的指标体系;给出一种基于集对分析的决策定量化数学模型,对后勤补给路线的决策问题进行分析,为指挥员能够科学、合理地选择路线提供参考.     

非致命微波武器综合效能评估

针对非致命微波武器效能评估问题,通过分析影响非致命微波武器效能的关键因素,建立了非致命微波武器评价指标体系,提出了非致命微波武器效能的评估方法。采用一致性排序法确定各个指标的分配权重,并将Vague集应用到效能评估中,利用加权贴近度表征非致命微波武器效能的评估值。得到评估结果与实际情况相符,为国内非致命微波武器发展提供了理论依据。     

坦克搭乘输送平台海上射击目标决策方法

通过粗糙集方法分析影响坦克对岸滩目标射击效果的各种因素,建立坦克搭乘输送平台海上射击的知识表达系统,将射击效果作为决策属性,将已有数据或作战经验作为条件属性,依粗糙集理论方法挖掘射击决策规则,最后约简得到一些简单的射击决策规则,为单坦克射击决策提供依据。     

消磁脉冲电流对发电机组转速的影响及其改进措施探讨

从现行的消磁脉冲电流对发电机组转速产生较大影响的事实出发,研究机组运行情况的数学模型,建立了基于Matlab的系统框图模型,并进行仿真实验,实验结果定量描述了消磁脉冲电流对机组转速影响的程度.在此基础上,提出了使用上升沿较缓的电流波形的方案.仿真结果表明,该方案可行.     

基于主导拮抗抑制的多尺度边缘检测

图像边缘检测算子的抑噪能力和定位精度是一对矛盾,从视觉神经生理学角度出发,提出一种基于主导拮抗抑制的多尺度边缘检测模型。该模型将主导拮抗抑制机制拓展到多尺度处理,通过引入侧膝体拮抗通道的强抑制机制达到自适应抑噪的效果,获得的对比度信息经过简单细胞子域的非线性整合得到锐化的边缘输出,最后将多个尺度的处理结果进行融合,获得最终的边界轮廓。理论和实验证明通过主导拮抗抑制机制和多尺度处理的结合,获得抑噪能力强、定位精度高的边缘检测模型,该模型具有生理学基础,结构简单,计算效率高。     

备件保障效能动态评估方法

针对目前效能评估方法多重视效能指标的静态观测值,对时序状态数据所蕴含的趋势信息关注较少的缺点,提出基于灰色聚类-粗糙集和集对分析的备件保障效能动态评估方法。针对主客观赋权方法各自的优缺点,引入依赖度和重要度的概念,建立灰色聚类-粗糙集组合赋权模型;将指标权重引入集对理论,提出集对同势、均势和反势的定义,描述备件保障效能的变化规律,构建基于马尔可夫链的集对分析动态模型。实例分析结果表明,该方法可以有效反映备件保障效能的动态变化特征,为决策者制定备件保障长期计划提供科学依据。     

引入权重的防空战场态势分析模型

在防空作战中,战场态势的分析非常重要,是辅助决策的基础.为了分析和把握防空作战时的战场态势,针对战场态势的主要影响因素,应用集对分析理论和方法,以集对分析的同异反联系度和距离测度为基础,构造了防空战场态势的分析模型,并对该模型进行了深入探讨.最后,通过实例计算表明了应用该分析模型进行战场态势评估的可行性,为防空作战的战场态势评估提供了一种有效的方法,具有一定的应用价值.     

改进的AHP法在装甲分队火力运用评估中的应用

针对评估对象的模糊性和不确定性,对层次分析法进行了改进,并提出了基于改进的层次分析法的装甲分队火力运用评估模型。在层次分析法基础上引入模糊集,并结合模糊评判,对装甲分队火力运用的能力进行了评估。结果表明,采用该方法进行的评估,有效避免了使用传统AHP方法构建判断矩阵时,专家对各标度间的区分把握不够准确,带来的评判误差,并取得了符合实际而又较为准确的评估结果。     

基于集对分析的目标威胁评估与排序研究

在分析以往目标威胁评估与排序方法不足的基础上,提出了基于集对分析的多因素威胁评估方法,以定量的结果对目标的威胁程度进行综合评估,为威胁评估与排序问题寻求出一种新的方法,其评估结果可为指挥员对空情威胁做出正确判断提供科学依据。     

融合图嵌入的Smooth-PCANet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。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、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。