救灾物资的紧急调运模型

针对某地区防洪救灾中物资的调运问题,利用图论中最短路的知识,根据问题实际,将物资的调运方案分成3个阶段.在每个阶段以费用最小或时间最短为目标.以各单位之间物资的供求平衡为约束,建立了规划模型.通过编程求解,制定了不同情况下物资紧急调运的具体方案,包括用车数量、行车线路、用车时间和费用.     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

线粘弹性材料中三维裂纹问题的加料有限元法

将加料有限元法扩展应用于线粘弹性材料三维断裂问题.为了反映裂纹尖端的奇异性,在裂尖附近的奇异区采用若干八节点六面体加料单元和过渡单元,非奇异区采用常规八节点六面体单元.三种单元分区混合使用形成求解域网格划分.基于Boltzmann叠加原理,推导了粘弹性材料的增量型本构关系,进而获得了增量加料有限元列式,并通过附加自由度计算粘弹性介质中裂纹应变能量释放率.数值算例验证了方法的正确性和有效性.     

基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

基于Kalman预测的自适应线性化信号的生成方法

自旋弹体的姿态通常采用单通道控制方法进行控制。该方法中采用线性化信号对控制信号进行调制,而线性化信号采用固定频率随机相位的信号发生器产生,这就会对弹体控制产生不良的影响。提出了一种基于Kalman预测的自适应线性化信号的实现方法。该方法通过弹旋频率测定、频率的Kalman预测和信号发生器实现了线性化信号对弹旋信号的同步、自适应倍频、定步长、定幅度的信号发生功能。仿真实验证明了方的正确性,为更加合理的控制自旋导弹的姿态提供了一种有效的方法。     

基于鲁棒性分析的ELECTRE-III参数推断方法

鉴于鲁棒性分析近几年被期望成为解决多属性决策中信息不完备的有效工具,提出了一种基于经典规划的鲁棒性分析框架。就ELECTRE-Ⅲ的参数给出了不完全信息条件下的鲁棒性判别条件和鲁棒性设计步骤。分析计算结果表明这种方法是实用有效的,为ELECTRE-Ⅲ和其他经典多属性决策方法参数的设置提供了新的思路,同时对其他多属性决策方法也有适用性。     

小样本采样数据的预处理

一般情况下数据处理大多采用数理统计方法,该方法对于数据较少情况下处理和判别粗大误差不适用。提出了运用线性均方估计法和熵值判别法来处理和判别粗大误差,线性均方估计消除粗大误差是一种采用软化的方法处理粗大误差;熵值判别法是根据熵的上界对应最大的不确定度,利用所得数据的熵信息量判别数据是否含有粗大误差。这两种方法经过多个实例计算,结果表明,它们在处理小样本采样数据时更有效。     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

用于堤坝检测的剖面声纳系统实验研究

针对水下堤坝安全检测,提出并设计实现了适合水下机器人等小平台为载体的可用于堤坝安全检测的高分辨率剖面声纳,系统通过获取被测堤坝内部的回波信号,由DSP构成的水下处理单元进行实时信号处理,从而可获得坝体内介质不连续的信息,并由水上分机进行堤坝内部剖面图像的重建及显示。通过水池和外场堤坝工程检测等应用实例,取得了良好的效果,验证了系统技术路线的可行性和性能的稳健性。