抑制成像数据噪声的模糊多目标算法

以模糊数学和决策理论为基础,通过建立成像数据模糊指数函数及平方误差 模糊指数函数,提出了一种称为模糊多目标优化的新的算法模型,对成像数据的噪声进行抑 制实现数据优化。实验结果表明,所提出的模糊多目标优化算法模型有较强的抑制噪声能 力,理论和实验有较好的一致性。     

基于DIFHA算子的动态直觉模糊多属性群决策方法

动态决策问题是现实中的一类常见问题。在提出动态直觉模糊混合平均(D IFHA)算子的基础之上,提供一种动态直觉模糊多属性群决策方法。该方法能同时考虑决策过程的阶段性和属性值位置对决策结果的影响,并较好地处理决策过程中的定性指标。分析和算例证实该方法的可行性和实用性。     

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。     

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。     

基于差分法的二阶微分方程的模糊边值问题

本文讨论二阶微分方程的两点边值具有模糊不确定性时 ,运用模糊仿真原理和差分方法 ,求其边值问题的数值解法。     

一种用于 C~3I 系统的异类传感器数据融合算法

在文献〔８〕和〔９〕基础上研究了在不等样本情况下的异类传感器——雷达与ＥＳＭ——的航迹相关问题。首先,基于模糊综合函数找出两个最可能的雷达与ＥＳＭ航迹相关对,然后,利用统计理论并采用多门限决策方法进行雷达与ＥＳＭ航迹相关判决。仿真结果表明,与文献〔８〕的方法相比,在雷达航迹比较多的情况下,本文所提出的在不等样本情况下的雷达与ＥＳＭ相关算法具有与其很相近的性能,但计算量明显减少;而与文献〔９〕的方法相比,这里采用多门限决策方法又可同时减小两类错误概率。     

依据部分属性值的空中目标威胁快速排序方法

针对空中目标威胁排序问题,提出了一种依据部分属性值即可对目标威胁进行快速排序的方法.首先选取具有代表性的样本数据作为案例库;然后确定条件属性和决策属性,在利用K-均值聚类算法对决策属性进行离散化后,提出了一种针对连续条件属性值的全局离散化方法,并对离散化后的案例库进行属性约简并得出决策规则;最后将待排序目标各属性值进行...     

武警基层中队后勤综合保障能力评价研究

针对武警基层后勤综合保障能力评价的主观性问题,探讨了三角模糊数与数据包络分析(DEA)理论在武警基层后勤综合保障能力评价中的应用.采用三角模糊综合评价模型对某支队5个中队的后勤综合保障能力进行评价优选.同时将DEA分析理论应用于武警基层后勤综合保障能力的优选问题研究,构建了合适的DEA模型,分析了5个中队的的相对有效性...     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。