模糊综合评判在指挥信息优势评估中的应用

如何准确地对军队作战行动中获得信息优势的潜在能力进行综合考查和分析具有重要意义,为更好地指导我军信息化建设,分析了现行指挥信息优势评估中的方法的不足.在现有评估方法基础上,基于模糊综合评判,提出了一种更优的隶属度函数来建立模糊评判矩阵中的元素值,并论证确定该隶属度函数的合理性,给出用该隶属度函数确定的模糊评判矩阵的一个实例.用提出的模糊综合评判方法来评估指挥信息优势评估指标体系,在一定程度上提高了对指挥信息优势评估的合理性.     

基于网络的指挥控制协同性能评估模型

网络中心作战是通过部队网络化而实现的军事行动,网络化作战行动的评估需要新的模型和测量方法,以便获取基于信息优势对改进后的指挥和控制的效果.在借鉴美军经验的基础上,从信息的角度区分了网络中心作战信息栅格运作的方式,运用图论、复杂性理论和性能评估理论等方法,建立了作为信息处理系统的指挥控制网络的结构、预期延迟时间、协同影响、复杂性和有效期望等待时间模型,以及作为指挥控制系统的指挥控制网络的节点决策和网络决策效能模型,是对网络中心作战方法的探索.     

基于知识的某新型地空导弹装备的故障智能诊断

为保障系统可靠运行,及时正确地对系统的各种异常状态或故障状态做出诊断,提出一种基于知识的智能诊断方法,并运用该方法建立一个故障分析和诊断系统;在故障树层次诊断模型的基础上,形成了综合模糊推理和规则推理的混合推理方法.通过具体实例表明,采用该方法是可行的.     

基于模糊推理的目标对潜发现问题研究

基于模糊推理基本思想,针对潜艇水下收集目标信息的特点,在目标对潜艇威胁信息存在不确定性因素的基础上,建立了判断潜艇被发现与否的指标体系,应用模糊推理方法建立了判断规则,并给出了推导过程和实现方式,在把模糊推理方法应用于潜艇威胁判断模型的研究上做了初步尝试。     

基于BP神经网络的C4ISR系统人机交互性能评估

针对C4ISR系统中人机交互子系统的特点,运用神经网络方法探索其性能评估问题.建立了C4ISR系统人机交互性能评估的指标体系,阐述了BP神经网络的相关原理及算法,构建了基于此网络的性能评估模型.并利用MATLAB软件进行了仿真分析,证明了理论的正确.采用神经网络理论进行性能评估,可弥补专家的经验和知识,降低评价过程中的人为因素影响,保证其客观性.模型能够比较准确地对C4ISR系统人机交互性能进行评估,为研究指挥自动化系统提供了一种新的思路.     

The effect of training data set size and the complexity of the separation function on neural network classification capability: The two-group case

Classification among groups is a crucial problem in managerial decision making. Classification techniques are used in: identifying stressed firms, classifying among consumer types, and rating of firms' bonds, etc. Neural networks are recognized as important and emerging methodologies in the area of classification. In this paper, we study the effect of training sample size and the neural network topology on the classification capability of neural networks. We also compare neural network capabilities with those of commonly used statistical methodologies. Experiments were designed and carried out on two-group classification problems to find answers to these questions. The prediction capability of the neural network models are better than traditional statistical models. The learning capability of the neural networks is improving compared to traditional models because the discriminate function is more complex. For real world classification problems, the usage of neural networks is highly recommended, for two reasons: learning capability and flexibility. Learning capability: Neural network classifies better in sterile experiments as performed in this research. Flexibility: Real life data are rarely not contaminated with noise, such as unknown distributions, and missing variables, etc. Neural networks differ from a statistical model that it is not dependent on any assumption concerning the data set distribution. © 1997 John Wiley & Sons, Inc. Naval Research Logistics 44: 699–717, 1997     

模糊控制与其它控制技术的融合研究

介绍了模糊控制技术针对复杂控制对象进行的控制规则和隶属度函数算法的改进,以及与其它控制技术的融合研究,总结出多种控制融合方式,并在此基础上讨论了对更加复杂的研究对象的分析方法的可行性。     

短波通信组网研究

对于短波信道,目前基本上是用于点对点的通信媒介。采用组网通信方式可以在网内选择最佳链路,克服信道不稳定、干扰大、可靠性差等不足。首先介绍了网络的拓扑结构,然后针对短波通信的特点研究了短波星形组网、树形组网和网形组网的军事应用及拓扑设计,并给出了具体的构造方法。可为短波军事通信网络系统的规划与建设提高参考。     

BP人工神经网络的应用及其实现技术

简述了BP人工神经网络的算法原理 ,利用Batchnet程序对一个三层BP人工神经网络进行了设计 ,应用Matlab中人工神经网络工具箱设计了一个用于函数逼近的BP人工神经网络 ,最后 ,运用Matlab中可视化工具Simulink对一个BP人工神经网络例子进行了仿真 ,通过例子 ,探讨了BP人工神经网络的应用并介绍目前几种实用的BP人工神经网络实现技术 .     

一种基于神经网络的磁性目标定位方法

磁性目标定位问题可归结为一类非线性规划问题的求解 .该问题的最大特点就是其目标函数的计算过程极为繁琐 .而目标函数计算的快慢对磁定位的实时性有很大影响 .在详细研究了目标函数之后 ,给出了目标函数的一种神经网络结构实现 .由于该网络结构易于并行计算和VLSI实现 ,从而可使磁定位的实时性得到改善 .