模糊离散动态贝叶斯网络的目标威胁等级评估

动态贝叶斯网络作为一种智能推理工具在处理不确定推理问题中显示出强大的生命力,但是存在难于处理连续变量的推理问题。将模糊理论与动态贝叶斯网络相结合,提出一种模糊分类的方法,将连续变量模糊分类为动态贝叶斯网络能够应用的证据信息用于推理,并建立目标威胁等级评估模型,应用直接推理算法对该网络进行推理。仿真结果表明,该分类方法与动态贝叶斯网络结合能够很好地处理连续变量推理的问题。     

基于模糊多目标决策的舰艇导弹优化配置

运用模糊理论和多目标优化理论探索舰艇编队所携带导弹的合理配置。采用灰色系统理论的关联度分析方法,得出各型导弹对理想导弹的关联度,构建进攻能力和防御能力的隶属度函数;通过多目标优化模型的求解,实现各型号导弹的最优配置。使用该优化算法,当舰艇编队面对不同的攻防任务时,能有效地辅助军事指挥员做出最优决策。     

潜艇应用的C3I系统作战效能分析

为了定量分析C3I系统对潜艇作战的影响,运用了层次分析法(AHP)和模糊综合评判法对C3I系统在潜艇上应用的作战效能进行分析,结果表明,C3I系统能极大提高潜艇的作战能力,但在C3I系统的发挥重要作用的同时,指挥员的决策能力的高低是影响潜艇战斗力的关键因素。     

电子对抗指挥效能评估中的模糊层次法

为了更加科学合理地评估电子对抗指挥效能,在模糊综合评判法和层次分析法的基础上,提出了一种新的评估方法――模糊层次法,即先用层次分析法计算各因素的影响程度,然后利用模糊综合评判法来对电子对抗指挥效能综合进行评估。这种方法既解决了电子对抗指挥效能指标权值取值的科学合理性问题,又能有效地对影响电子对抗指挥效能的一些因素具有难以预测的随机性进行合理处理,从而使电子对抗指挥效能的评估具有更高的可信度。     

基于D-S证据理论的机载雷达模糊识别方法

针对机载雷达信号的复杂性和模糊性等特点,提出一种D-S(登普斯特-谢弗)证据理论和模糊理论组合应用的方法用于对机载雷达的识别。通过对信号的积累和对信任度(模糊隶属度)的重新分配,有效地解决了机载雷达信号的不确定性问题以及如何利用信号在时间上的冗余信息问题,提高了信号的正确识别率。仿真实验和正确识别率的统计结果验证了这种方法十分有效。     

基于模糊MODM的空袭目标威胁评估

针对当前空中来袭目标的主要特点,运用模糊多目标决策(MODM)理论和方法,提出了一种空袭目标威胁评估方法。首先对影响空袭目标威胁程度的因素进行了分析;然后阐述了如何确定影响目标威胁评估的各个指标值;最后依据多目标决策方法,建立了在各指标权重值只有部分已知的情况下,目标威胁评估的数学模型,并通过示例介绍了威胁评估的求解过程。仿真结果表明,该方法有效地解决了目标威胁评估与排序问题,提高了防空作战效能。     

专用污水接纳船罐舱设计与模糊评判

首先产生一组包含最优解的罐舱设计方案 ,然后运用模糊评价方法 ,优选了罐舱设计方案     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于梯形直觉模糊数的动态多准则群决策方法

针对决策信息为梯形直觉模糊数的多准则决策问题,引入含参得分函数和相关系数提出了一种动态多准则群决策方法,首先利用参照方案相关系数总偏差最小的非线性规划模型求解客观准则权重,通过参数因子转化犹豫度集结得到各方案综合得分函数,最后根据参数动态变化进行MATLAB仿真分析并排序。该方法适用于准则权重已知和未知的情形,弥补了犹豫度缺失和基于距离测度决策方法的缺陷,并通过航空装备保障合同商的选择决策实例验证了有效性。     

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。