基于饱和信息维的信息资源聚焦的数学模型

运用饱和信息维的增减技术对信息获取子空间进行结构上的剖分,将饱和信息维的"值"的获取分解为"白"与"灰"两部分,用饱和信息维列作为因子列来构造灰色关联空间,用关联序来描述信息之间的相关联程度,得到信息资源聚焦的一种新的数学模型。     

基于GEO/LEO两层星座的卫星组网结构分析

提出了一种基于GEO/LEO两层星座的卫星组网结构,在两层星座中建立了立体交叉的层内、层间星际链路,实现了GEO/LEO两层卫星星座的优势互补,具有组网灵活、管理简单等特点.通过快照周期定义了星座中各卫星的逻辑位置,并基于逻辑位置提出了对LEO卫星的分群和分组管理:包括LEO卫星的逻辑分群,群内LEO卫星的分组,以及分组内组长LEO卫星的选取和备份机制.在该卫星组网结构中,各星座协同运行,数据传输方式多样,能提高卫星网络的性能.     

多决策目标排序的层次分析与灰色关联法

战争中对打击目标排序是下定作战决心的前提,是战场信息处理的重要内容.随着军事科技的发展和战术运用要求的提高,决定目标排序的因素不断增多,作战环境更加复杂,单一指标已不能满足需求.采用层次分析和灰色关联相结合的方法对多决策目标进行分析,为具有多决策因子目标提供了一种排序方法.灰色数据的白化和精确数据的直接使用提高了数据的效率,使得不同特点的目标具有可比性.实例表明,该方法行之有效.     

战术Agent的灰色局势决策

在基于复杂自适应系统的多Agent的作战仿真实验过程中,由于行为、规则、属性构成了复杂的局势,目前还未能构建一种有效的决策支持模型.应用灰色局势决策的方法建立了战术Agent决策模型,对于解决战术试验当中的战术Agent决策问题,具有一定的意义.在分析灰色局势决策的相关概念及步骤的基础上,结合作战实例,说明了该模型的合理可行性.     

灰色-马尔科夫模型在机场道面使用性能预测中的应用

介绍利用灰色-马尔科夫模型对机场道面使用性能进行预测的基本方法和具体步骤,并给出了工程实例.应用分析表明,该方法能够充分利用机场道面使用中各段历史数据,较好地对机场道面使用性能进行预测,且预测结果比单纯的灰色模型有更高的精度.     

基于相对密度的增量式聚类算法

基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。     

武器装备作战效能灰色聚类评估

武器装备作战效能的指标是多样的,而且意义不同、量纲不同,且指标的实现值往往在数量上悬殊很大,如何在这种情况下比较好的解决作战效能综合评估问题,提出了基于灰色定权聚类和三角白化权函数的灰色聚类评估方法解决此问题,给出了应用的一般步骤。以某型水陆坦克为例,对其改装前后的作战效能进行了对比分析,并为其将来进一步改进提出了建设性建议。     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模型连接控制CMAC理论,提出训练时间短、精度高的CMAC模糊神经网络方法,给出了网络结构、算法,并通过一个维修经费预测实例讲述了这种算法.     

基于灰关联分析和粗糙集的通信电台识别方法

通信侦察过程积累了大量电台通信记录,对这些数据进行分析、推理,可以识别电台的数量、装载平台等,为了提高识别正确率,提出了基于灰关联分析和粗糙集的通信电台识别方法。首先,依据粗糙集理论将信息表划分等价类,得到电台航迹;再根据灰关联分析计算雷达航迹和电台航迹的灰关联度,最后按照最大灰关联度原则进行通信电台关联。实验结果表明该方法适用范围更广,在多个平台的运动轨迹交叉且在交叉时刻各有电台通联、同一平台上的多个电台在不同时间通联这两种情况下,均能较好地对电台进行关联。     

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。