复合成本计算中合理设定复合元数问题研究

从合理性和科学性角度对复合成本计算过程中复合元数的设定进行了评价。运用模糊数学方法建立了评价矩阵,通过模糊合成使评价结果更加切合实际,解决了企业成本管理中复合元数判断的模糊性和不确定性问题,避免了复合成本计算过程中因复合元数设定不经济或简单化而出现的功能过剩或功能不足的现象出现。     

基于EMD和神经网络的气阀机构故障诊断研究

运用经验模态分解(EMD)对柴油机缸盖振动信号进行分析,求得各内禀模态函数(IMF)的能量百分比;将能量百分比作为神经网络的输入进行网络训练和故障识别,实现了气阀机构的故障诊断,取得了较好的效果。     

基于贝叶斯网络的反舰导弹身份识别

为了解决反舰导弹身份识别所面临的实时性和信息不确定性问题,提出了采用贝叶斯网络识别反舰导弹的方法。设计了4种贝叶斯网络分类器,分别在导弹仿真数据集和UCI数据集上作了测试,比较了它们各自的分类性能。实验结果表明,朴素贝叶斯网络的分类准确率虽然比其它分类器稍低,但它简单有效,稳健性比其它分类器都好,可用于反舰导弹身份的实时识别。     

导弹实弹射击信息管理系统的设计与实现

针对目前实弹射击训练结束后缺乏科学、全面、便捷的数据信息记录手段和成绩评价方法的问题,通过分析导弹实弹射击整体过程及成绩评价需求,建立数据记录评价指标体系,运用Client/Server数据库开发技术和模糊综合评判的方法,设计并实现了“导弹实弹射击信息管理系统”。该信息管理系统经实际使用后,验证了需求分析的合理性以及设计实现的科学性,为客观、全面地记录实弹射击训练情况,评价导弹实弹射击训练提供了一种有效的手段。     

基于三角模糊数的登陆点选择模型

针对登陆点选择的特点,对登陆点选择步骤进行分析,确定影响的四个基本因素,利用三角模糊数型多属性决策方法建立登陆点选择模型。与层次分析法相比,此算法时更能突出登陆点选择时,指挥者对登陆点的偏好所影响登陆点选择的基本因素值只能大概给出,基本因素之间的权重信息也不能完全确知的特点,通过计算机编程,此模型能够快速地实现对登陆点的排序选优,为指挥员提供辅助决策。     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法.该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像...     

SpaceFibre网络服务质量时隙资源分配算法

为保证SpaceFibre星载数据网络大量实时数据流的超高速确定性传输,提出一种包含两个子算法的SpaceFibre网络服务质量时隙资源分配算法.形式化描述网络服务质量机制,给出调度矩阵相关定义;创建网络服务质量排队模型,定量分析时隙资源分配对网络时延性能的影响;考虑网络兼容性和算法鲁棒性,给出改进二进制序列调度子算法...     

知识图谱的预警探测体系探测效能贝叶斯评估方法

战争中,预警探测体系作为典型的复杂系统,其探测效能发挥情况的有效评估一直是亟需人们研究解决的重要现实问题。突破了传统效能评估方法的局限,在分析了知识图谱技术、贝叶斯评估方法基本原理的基础上,提出了基于两者综合运用的预警探测体系探测效能评估新方法,利用专家知识和实验数据构建知识图谱,并进一步使用贝叶斯网络方法实施知识推理,从而实现了体系探测效能评估。通过构建具体作战场景,验证了所提方法的有效性,并基于推演数据分析了所提方法的评估情况。     

滚动球变换支持下的TIN-DDM地形特征线自动提取方法

针对传统规则格网数字高程模型地形特征线提取方法中存在阈值难以定量调控、连接方式无法自适应调整以及地形特征线类型不完整的问题,将滚动球变换模型应用于不规则三角网数字水深模型(triangulated irregular network digital depth model,TIN-DDM)地形特征线的自动提取,在构建临界滚动球半径关联的地形特征点定量识别判定准则基础上,引入地形形态边界点概念,采用逆向工程的建模思路,建立了以剖分单元为基础的地形特征线自动提取模型,结合地形类型判定准则的多尺度表达特性及顾及水深数值的地形特征优化模型,提出了可多尺度表达且类型完整的地形特征线自动提取方法。试验结果表明:相比于经典地表流水模拟方法,该方法可实现完整、连续且细分的TIN-DDM地形特征线自动提取及多尺度表达,且提取的地形特征线具有更高的地形重构精度。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。