分布式异构集群中节点优先级调优算法

节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。     

基于向量相似度的组合赋权方法

针对多属性决策中属性权重的确定问题,提出了一种基于向量相似度的主、客观权重的集成方法。用权向量的相似度作为不同赋权方法重要性的度量,意义明确,计算简单,可操作性强。最后结合算例验证了此方法的有效性和实用性。     

利用时间窗权重进行航迹关联

提出一种利用传感器测量数据的时间窗权重进行航迹关联的方法,将目标运动状态的多维向量(如距离、方位角、俯仰角等)分解为多个一维状态标量;根据每个状态标量与时间的关系,提取两条航迹的共同测量时间区间,将其划分为若干个时间窗,计算对应时间窗内的权重;根据时间窗权重差计算每一个状态标量的航迹相似度;应用DS理论或Bayes理论进行航迹关联决策。     

因素状态值为模糊数的变权综合决策方法

对因素权重为实数、因素状态值为模糊数的多因素不确定性决策问题,由实数型状态变权向量导出模糊数状态变权向量,得出模糊数变权公式,建立模糊数变权综合决策模型,最后给出一个应用模糊数变权综合决策模型的实例.     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能.并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率.     

一种高效的不协调决策表约简算法

目前,不协调决策表的分布约简、最大分布约简和分配约简算法复杂度较高,不适合处理大数据集。在分析已有算法基础上,分析了基于相对可区分度的属性重要性度量的性质,解决了正域度量属性重要性的缺陷。针对不协调决策表,给出了多种简化协调决策表的定义,从而大大缩减了约简的实例数。以相对可区分度为启发函数构造了一种高效完备的不协调决策表约简算法。理论分析和实验结果表明,该约简算法解决了现有算法在复杂度和属性重要性度量上的缺陷,适合处理不协调的大数据集。     

用业务量损失法评估通信网链路的重要性

本文从业务量损失方面来考虑通信网链路的重要性,提出了一种用于评估通信网链路重要性的方法一业务量损失法。该方法根据不同链路故障造成业务量损失率的不同,据此判断链路的重要性。在不同的路由选择方式下,业务量损失法的评估结果也不同。本文考虑了两种路由选择方式,并举例说明了业务量损失法的运用。     

层次分析法在潜艇作战能力评估中的应用

本文采用层次分析法（AHP：Analysis Hierarchy Process）与Delphi相结合的方法对潜艇的作战能力进行了科学评估,不仅可以为潜艇的作战使用提供指导,也可为潜艇的改进和发展提供量化依据。     

空中反恐中保卫目标重要度指标体系研究

空中恐怖袭击具有突然性和随意性的特点,其目的是通过制造恐怖事件引起巨大影响,带来社会恐慌。通过分析空中恐怖袭击对袭击目标选择的特点,剖析其规律性,从而建立空中反恐保卫目标重要度指标体系和保卫目标重要度评价模型,对保卫目标进行科学有效地划定与排序,便于在空中反恐作战中对保卫目标及早进行确定、实施空中警戒范围划定和战斗部署。