基于区间数GRA的空袭目标威胁评估技术

针对现有空袭目标威胁评估方法存在的不足,提出了一种基于区间数灰色关联分析法的威胁评估技术,讨论了目标机动对威胁度的影响,克服了无量纲化处理对指标作用大小的影响,给出了决策矩阵的建立方法和目标威胁度排序方法。最后给出了一个应用实例,排序结果与专家评估结果完全一致,证明了该技术的有效性与可行性。     

SIP协议安全威胁分析

众所周知,Vo IP技术在未来语音通信中所占的比重越来越大。随着Vo IP的不断发展,基于SIP协议的Vo IP应用也不断增多。但是,由于SIP协议高度依赖于开放的IP网络,使得其安全性逐渐成为关注和探讨的焦点。主要分析了SIP协议网络面临的一些安全威胁,包括典型的外部攻击技术和协议自身存在的漏洞等。探讨了为应对SIP安全威胁提出的加密、认证等安全策略并且分析了这些安全策略的优缺点,提出了针对SIP安全策略进一步改进的方向,旨在不断提高和完善基于SIP协议的安全性能。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。     

基于Sobol’法的歼击机需求影响因素灵敏度分析

针对歼击机需求确定影响因素众多、传统分析方法仅能进行定性分析的问题,提出了基于Sobol’法的歼击机需求影响因素灵敏度分析方法。在构建了歼击机需求确定模型的基础上,提出了基于Sobol’法的歼击机需求确定模型参数灵敏度分析步骤,并结合算例验证了方法的可行性和有效性。分析结果表明:我方拟夺取空中优势等级的概率、敌方出动歼击机的数量和敌我双方歼击机作战效能的比值对歼击机需求的影响较大,战术运用系数、协同作战系数和管理优劣系数的影响微乎其微。     

基于GAHP和熵法的虚拟训练综合评价

针对武器装备虚拟训练中评价一次操作数据无法客观反映受评者真实水平问题,提出了基于灰色层次分析和熵理论的虚拟训练评价方法。在获取每名受评者操作数据样本的前提下,通过灰色层次分析,确定指标层次和初始权重,利用灰色评估方法确定相应指标的灰类,对灰数归一化加权得到每个指标的评分,并确定综合总评分;引入不稳定因子,借助熵法确定受评者每个指标的不稳定性。最后,通过实例验证了方法的有效性,并根据不稳定因子和各指标评分向受评者提供了后续训练提升的建议。     

火灾与气象因素的相关性研究

为研究火灾发生与气象因素的关系,以天津市为例采用多元线性回归方法对11年间的月度火灾发生次数与月平均温度、月平均相对湿度、月平均风速、月平均降雨量等气象因素进行了相关分析和研究,建立了多元线性回归模型,得出冬春之际为火灾高发期的结论。     

装甲装备自主式保障关键要素分析

针对装甲装备现有保障模式存在的"过剩维修"和"维修不足"的问题,分析了研究装甲装备自主式保障的重要意义;借鉴美军联合攻击战斗机自主式保障的思想,提出了装甲装备自主式保障的工作原理,重点讨论了装甲装备自主式保障的关键要素,包括故障模式、影响及危害性分析、先进传感器技术、故障预测、信息系统等。提出了继承发展、不断创新、全寿命周期和系统工程几个关键要素应该重点研究的方向。     

防空火控系统火力分配的多目标优化研究

在防空火控系统的研究中,如何充分发挥火力单元的作战效能,使来袭目标遭受最大的毁伤,是火力分配研究的一个关键问题.通过对防空火控系统的分析,给出了防空火控系统火力分配的问题描述,并建立了基于指派问题的火力分配数学模型.提出了威胁度计算的改进方法.在使防空高炮群对威胁度大的目标造成大的毁伤分配准则下,研究了利用匈牙利法求解指派问题时的具体方法.经仿真验证,此火力分配方法合理、有效.     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

影响大学生英语自主学习的因素及对策

自主学习是一个人获取知识、开拓创新的重要途径。在大学英语教学实践中,大学生的英语自主学习受诸多因素的影响。了解这些影响因素才能趋利避害,更好地促进大学生的自主学习。