基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

一种新的低阻弹弹道坐标数据的异常值判别方法

分析了弹道测试中误差产生的原因和类型,以及各种传统数据处理方法的不足之处,针对数据处理中的主要问题和难点,提出了一种新的判别异常值方法。     

中英证据展示制度及其启示

通过介绍英国证据展示制度的基本内容 ,并将其与我国现行法律规定相比较 ,旨在完善我国的证据公开制度     

基于灰色关联和D-S证据理论的导弹系统安全性评估

针对导弹系统安全性评价的不确定性问题,提出了将灰色关联和D-S证据理论相结合的方法,从人员安全性、设备安全性和环境安全性建立了综合评估指标体系,用灰色关联分析处理了指标之间的关联性。在传统证据合成公式的基础上,考虑证据集非关键因素的权重,给出了修正的证据合成公式。并以打靶选弹为例进行了计算分析,得出了导弹安全性优先级排序,并将改进算法与传统计算方法的结果进行了比较,验证了评价模型的可行性与实用性,为导弹系统的管理工作提供了有益的参考。     

基于证据理论的助推段弹道导弹目标威胁评估

针对助推段弹道导弹目标威胁评估面临信息不确定的情况,提出了一种基于证据理论的威胁评估方法.首先分析了影响威胁评估的主要因素,选取了威胁评估指标;接着分析了威胁评估面临的不确定性问题,给出了基于证据理论的威胁评估思路;然后提出了基于证据理论的助推段弹道导弹目标威胁评估方法;最后对方法的有效性进行了实例验证.本文的研究对反导部队作战准备和反导预警资源优化调度具有重要意义.     

D-S证据理论应用中的一种验证方法

D-S证据理论是一种比概率论确定性弱的不确定性理论,它能将"不知道"和"不确定"两个认知学上的主要概念区别开来,在多传感器数据融合中具有广泛的应用前景.D-S证据理论在实际应用中却存在一个困难,当目标的个数较多时,需要计算的项数太多,容易造成漏项,引起计算错误.提出了一种确定计算项数的算法,作为验证计算结果的必要条件,并通过图解的方法找出需要计算的项.     

基于D-S证据理论的航母舰机融合效能评估方法

航空母舰舰机融合是航母本舰与舰载机的深度协同,舰机融合效能能直观地反映航空母舰的整体作战效能,提高舰机融合程度对于提升航空母舰作战能力具有重要意义.通过分析航空母舰舰机融合的特点规律,构建了航空母舰舰机融合效能的评价指标体系,针对存在冲突的多证据指标数据融合问题,应用改进后的D-S证据理论建立了航母舰机融合效能评估模型...     

基于证据理论的自适应协同方法在打击目标排序中的应用

针对指挥员在选择及对打击目标排序时会产生不同结果,采用证据理论进行了协同。以各指挥员的判断作为证据理论的识别框架,采用证据加权法及对各证据的合成,确定了证据的基本可信度分配,降低了各证据间的冲突,筛选出肯定的证据,达成指挥员决策的自适应协同,实现对打击目标更为合理的排序。