技术保障信息化分布式数据库系统研究

针对我军装甲装备技术保障信息化建设的特点和要求,应用分布式数据库理论,提出了建立装甲装备技术保障分布式数据库系统的方法,阐述了实现该系统的设计要求和关键技术。     

基于运载能力评估的固体运载火箭推力向量控制方案比较

从对运载能力影响角度开展固体运载火箭发动机推力向量控制系统比较分析研究。设计了三种采用不同发动机推力向量控制系统的多级固体运载火箭方案,将增广乘子法与共轭方向法相结合,对固体运载火箭上升段弹道进行了优化设计,给出运载能力评估结果。研究表明,起飞质量均为50 000kg,目标轨道均为300km太阳同步轨道时,采用栅格舵和侧喷流作为推力向量控制系统方案,比采用燃气舵和侧喷流作为推力向量控制系统方案,运载能力提高70kg,比各级固体发动机全部采用摆动喷管控制方案,运载能力提高115kg,为固体运载火箭总体方案论证提供理论依据。     

高校科研团队科技创新能力评价研究

科技创新能力是体现高校综合办学实力的核心指标。以科研团队为视角对高校科技创新能力的评价问题进行了研究,分析了高校团队科技创新能力的要素构成、结构特征,在此基础上从人员队伍、条件基础、文化环境、科技投入、科技产出5个方面出发定义了一个可扩展的团队科技创新能力评价指标模型;提出了基于多属性决策的科技创新能力评价方法,为科研团队绩效管理提供了方法支撑。     

一种新型NoC互连算法及连线冗余的修正

片上网络(Noc)是一种新兴的以包交换为通信方式的芯片互连结构。NoC的互连问题可以抽象为在有障碍曼哈顿平面生成最小森林的图论问题,本文提出了一种新型的NoC互连算法,该算法通过对连线边长权重进行更改后再调用最小生成树算法,并针对连线冗余进行修正。实验表明,该算法使得片上网络的全局连线长度最小,从而解决传统片上总线结构中连线延时长、信号完整性差等缺点。     

多指标下的炮兵火力最优分配

为了提高炮兵火力打击效能,提出了小生境遗传算法与模糊多目标决策相结合的混合算法,建立了多指标下的炮兵火力分配模型,并阐述了混合算法设计,给出了应用举例,结果表明,与传统的单指标下的炮兵火力最优分配相比,该方法更符合战场实际情况。     

基于支持向量机的雷达弹道外推方法仿真研究

支持向量机是一种求解回归预测问题的优秀决策方法,具有坚实的理论基础和优秀的预测性能。为解决目前雷达弹道外推中存在的精度不高和不能有效识别弹道等问题,对基于支持向量机的雷达弹道外推方法进行了仿真设计,并通过仿真弹道模拟雷达采样,进行了仿真实验。仿真实验结果表明:基于支持向量机的雷达弹道外推方法实用可行,可以获得较高的外推精度,并且能够有效地进行弹道识别。     

模糊多属性决策理论在防空兵作战能力评估中的应用

针对防空兵系统特点,运用模糊多属性决策理论探索防空兵作战能力评估问题。构建了模糊多属性评估算法,结合具体的数学工具建立了模糊多属性评估模型,经过三级模糊综合评估得出评估结论。经实例检验该方法在防空兵作战能力评估中具有较好的应用价值,另外该方法在其他领域也具有较好的推广价值。     

大型复杂武器装备质量综合评价及其支持系统设计

从大型复杂武器装备系统的具体特点出发,运用基于TOPSIS主成分价值函数模型的主成分分析法（PCA）,构建了大型复杂武器装备质量综合评估模型。进行了实证分析,结果表明,该方法的应用使前三个主成分综合携带了原系统全部信息的96.04%,避免了信息的重叠和交叉,也克服了主观因素对评价的影响,更客观全面地反映了设备的质量状况。最后通过对其支持系统的设计,实现对企业与部队不同质量管理决策层的信息支持。     

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.     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.