基于神经网络的超精密机床伺服进给非线性模型辨识

以双轴Ｔ型结构的超精密金刚石车床的伺服进给系统为研究对象,采用自构造神经网络技术,建立了系统的非线性动态数学模型,为系统非线性控制与补偿提供参考模型     

DES密码旁路立方体分析

将立方体分析和旁路攻击结合,基于8位汉明重泄露模型,首次对DES分组密码抗旁路立方体攻击安全性进行了评估．在黑盒攻击场景下,攻击者首先按照一定规则生成立方体和超多项式,然后利用不同选择明文,计算其在加密过程某比特的高阶差分,判断该立方体对应的超多项式是否合法．对DES加密输出第l轮输出不同字节进行了黑盒旁路立方体攻击实验,结果表明：未经防护的DES密码易遭黑盒旁路立方体攻击;如果攻击者能够精确获取加密第1轮输出某一字节的汉明重泄露,最好的攻击结果为2＾9.35个选择明文可将DES主密钥搜索空间降至2＾15．     

STCN的对岸打击时间协同冲突消解研究

为验证航空兵对岸打击中时间协同计划的可行性以及快速地调整时间协同计划,建立了任务间的简单时间约束网络(STCN),并转化成权值矩阵的形式.根据权值矩阵特点,提出了一种检测STCN一致性的权值矩阵法,大大降低了算法复杂度.为加快时间协同计划的调整速度,基于检测结果,提出了一种代价最小的冲突消解方法,避免了消解过程中的重复检测问题,提高了效率,使计划调整更加快捷高效.     

基于四元模糊数的鱼雷作战效能评估权重分析

权重计算是鱼雷作战效能评估中的一个关键问题,通常采用层次分析法计算指标权重.作为一种主观赋权方法,层次分析法忽略了专家经验的模糊性,基于此,提出了四元模糊数层次分析法确定指标权重.该方法将传统层次分析法判断矩阵的元素由一个确定的数推广到含有模糊信息的四元模糊数,并给出了方法模型和计算步骤.采用所提方法进行了鱼雷作战效能评估指标权重应用实例的计算,结果表明该方法是一种行之有效的权重计算方法.     

基于分组重量编码的蛋白质同源寡聚体分类研究

基于一种新的特征提取方法——分组重量编码(Encoding on the basis of Grouped Weight,简记为EBGW),采用组分耦合算法作为分类器,从蛋白质一级序列出发对四类同源寡聚体蛋白进行分类研究。结果表明,在Jackknife检验下,基于分组重量编码的分类方法总体分类精度达到70.92%,比基于氨基酸组成和加权伪氨基酸成分特征提取方法分别提高20.28和7.53个百分点,说明分组重量编码对于蛋白质同源寡聚体分类是一种高效的特征提取方法。     

基于向量皮尔森相关系数的组合赋权法

针对多属性决策中属性权重的确定问题,提出了一种基于皮尔森相关系数的主、客观权重的集成方法。用权向量的相关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。最后采用算例验证了此方法的有效性和实用性。     

一种改进的证据权重确定方法

针对Dempster方法在合成高冲突证据时存在的问题,分析了现有改进方法的缺点,提出了一种新的改进方法。该方法首先利用证据之间的相似系数求出各证据的初级权重;然后引入权重折扣因子,将冲突证据的权重按折扣因子折算后并入到其他证据的权重中,得到各证据的综合权重;最后对证据加权平均后再利用D-S组合规则进行组合,通过算例比较表明改进后的方法合成结果更加有效。     

Huber加权的频率稳定度非相关差分抗差估计方法

计算原子钟频率稳定度时,钟差观测异常会导致Allan方差出现较大的估计偏差。建立Allan方差的差分估计模型,根据钟差的差分序列统计特性分析了相关差分估计的噪声识别与白化等计算复杂度问题;针对上述难点提出一种基于Huber权函数的非相关差分抗差估计方法,建立一种非相关差分序列的构造方法,有效避免了复杂的噪声识别及白化计算;给出Allan方差的非相关差分抗差估计的推导,并对抗差过程引入的误差累积给出了一种抵消方法;给出完整的抗差估计方案,并利用实测数据进行了实验验证。实验结果表明本方法对相位单点跳变、相位阶跃跳变具有显著的抗差能力,抗差估计可使异常引入的相对偏差由近200%降至10%以内。     

数据链支持下的武器系统评估体系研究

结合数据链作战使用需求,针对国外采用统计法评估数据链系统代价高、费时和针对单一兵器系统的问题。创新性地将作用域原则引入WSSDL作战效能评估体系过程中,完成了基于作用域的指标体系构建和综合评估方法设计工作,首次有效地解决了数据链支持下武器系统的评估对象多样化、人在回路因素多、定性指标缺乏量化手段的问题,为数据链支持下的武器系统作战效能评估提供了可靠手段和方法。     

基于熵权多目标决策的战时物资运输方案优选研究

提出了战时物资运输方案优选问题,分析战时运输的影响因素,提出了评估战时物资运输方案的较有代表性的指标,并给出了具体计算方法.在没有指标权重的情况下,应用熵权多目标决策方法对多个合理方案进行优选评估,得出了可信度较高的优选方案.