基于非均匀B-样条的G2路径平滑方法

运用非均匀B-样条对由直线段构成的路径进行平滑,给出了样条结点参数和样条控制点的选取方法及其证明。平滑后的整条航路曲率为一连续函数,同时满足了无人机最小转弯半径要求。相比于Bezier方法,转弯准备距离缩短为原来的93.75%。仿真结果显示,本文所得航路更适合运用于障碍物密集的严苛环境中。     

基于广义Чебышев多项式的新型神经网络算法

提出了一种基于广义Чебышев多项式的新型神经网络学习算法。对于给定的样本点,采用三次样条插值方法求得Чебышев结点处的函数值,并将Чебышев结点和对应的函数值作为新的训练样本。利用Чебышев多项式的正交性,每个权函数可以表示为广义Чебышев多项式,它是最佳平方逼近多项式。与样条权函数神经网络算法相比,该算法最后表达式更简单,有利于泛化,而且每个权函数所需要存储的信息量更少。另外,提出的新算法不存在梯度下降类算法的局部极小、收敛速度慢的问题。最后,为了说明该算法的有效性,给出了一个实例,仿真实验说明通过提取广义Чебышев多项式的权函数,可以理解所训练的问题的内在关系,训练后的网络具有很好的泛化能力和很高的精度。     

Internet拓扑中连接率的研究

近年来，一些学者对互联网的拓扑结构进行了深入的研究，发现在互联网拓扑中存在幂律(Power-Law)，其相关系数最高可达到99％。本文在Internet的每个子图上引进连接率的概念以刻划该子图中结点相互连接的程度，然后对Internet中的结点按其连接边数的多少由多到少进行排序，通过逼近实验和理论推导两个方面的工作，发现在Internet前r个结点的诱导子图上的连接率作为子图上结点数r的函数满足幂律，其相关系数超过99．3％。这一结果是目前在Internet中所发现的吻合得相当好的幂律，期望它可推动Internet拓扑结构的整体性质的深入研究。     

基于广义ЧебыЩев多项式的新型神经网络算法

提出了一种基于广义ЧебыЩев多项式的新型神经网络学习算法.对于给定的样本点,采用三次样条插值方法求得ЧебыЩев结点处的函数值,并将ЧебыЩев结点和对应的函数值作为新的训练样本.利用ЧебыЩев多项式的正交性,每个权函数可以表示为广义ЧебыЩев多项式,它是最佳平方逼近多项式.与样条权函数神经网络算法相比,该算法最后表达式更简单,有利于泛化,而且每个权函数所需要存储的信息量更少.另外,提出的新算法不存在梯度下降类算法的局部极小、收敛速度慢的问题.最后,为了说明该算法的有效性,给出了一个实例,仿真实验说明通过提取广义ЧебыЩев多项式的权函数,可以理解所训练的问题的内在关系,训练后的网络具有很好的泛化能力和很高的精度.     

基于误差修正与分解的区间值股价时间序列预测研究

与点值数据相比,区间数据更能够从全局上刻画股票市场的内在结构特征.然而,已有关于区间数据的预测研究只关注误差序列的单次预测或原始序列的预处理,并且所采用的方法通常不能充分地提取区间值股价时间序列的主要特征.因此,本文提出了对区间值股价时间序列进行预测的误差修正与分解方法.鉴于误差序列在组合预测模型中的作用,本文首先采用Ljung-Box检验和机器学习模型对原始序列产生的区间值误差序列进行检验和修正.接着,利用双变量经验模态分解技术将修正后的误差序列分解成多个本征模态函数(IMFs)和一个残差.随后,利用单个机器学习模型对除了IMF1分量外的各个IMFs分量和残差分别进行预测.最后,将原始序列和误差序列的预测值进行组件聚合,重构出区间值股票价格的预测值.进一步,在提出方法的基础上,本文构建了基于误差修正和分解的区间值股价预测模型,并利用真实的股票市场数据进行实证分析.实验结果表明,所提出的方法在预测精度方面明显优于一些传统方法.     

一种基于粗集的残缺语言区间信息的多属性群决策方法

针对具有残缺语言区间信息的多属性群决策问题,提出了一种基于粗糙集理论的新的求解方法.对残缺语言区间信息多属性群决策问题进行了描述,采用LOWA算子将不同专家给出的评价信息集结为群体评价信息;通过计算不同方案之间的偏差来度量不同方案之间的相似性,对属性集进行约简,并确定属性权重;进一步地,通过计算每个方案的综合评价值判断方案优劣.最后,给出了一个算例.     

一种基于误差分析的区间数多属性决策方法

针对属性值以区间数形式给出,属性权重信息完全未知的区间数多属性决策问题,提出了一种基于误差分析的方法。对区间数多属性决策问题及误差传递公式进行了描述,并将区间数决策矩阵写为误差分布的形式。利用属性中间值决策信息,给出了基于属性值绝对偏差的大小确定属性权重中间值的方法,并依据线性加权算法得到方案综合评价值的中间值。在此基础上,依据误差传递公式求出属性权重和方案综合评价值的误差估计值,由此得到权重区间和方案综合评价值区间。进一步利用基于可能度的区间数排序方法得到方案排序。最后,给出了一个算例。     

具有三次差异驱动特征的动态综合评价方法

针对现有动态综合评价方法中没有考虑被评价对象的综合评价值的整体波动的局限性,给出了具有三次差异驱动特征的动态综合评价方法.定义了“能量”消耗和“能量”消耗指数的概念,从差异驱动的角度进行线性集结,有效地对在一定时间区间内的被评价对象进行整体的动态综合评价,同时避免了直接线性相加每个时刻的综合评价值后出现排序相同的状况.最后用案例说明了该方法的有效性.     

区间数多指标决策的相对隶属度法

对区间数多指标决策问题 ,基于模糊集下论给出一种新的处理方法 :相对隶属度法 ,首先 ,构造优等与劣等方案 ,借助每一方案与优、劣等方案的综合加权距离求得每个方案相于优等方案的隶属度 ,再按隶属度的大小进行决策 ,该方法克服了以往研究此类问题时所遇到的区间数难以排序的困难。通过分析表明相对隶属度法的择优与排序能力要比传统的逼近理想解法强。最后 ,给出算例说明其应用     

提高BOC调制信号多相关峰值精度的三次样条插值法

提出了利用三次样条插值法,处理BOC调制信号相关谱主峰及副峰的数据,以提高相位测量精度的算法.该算法将低采样频率下的相关谱谱峰分割成n个子区间,在每个区间内建立三次函数,求取极大值点,以确定BOC调制信号的相关谱主峰及副峰的精确位置.重点对比分析了常用的Lagrange插值法,并以Lagrange插值法中的三点二次插值法为例进行了对比仿真试验.仿真分析表明,对于BOC调制信号而言,针对其特殊的同步机制,提出的采用三次样条插值法进行PN码相位测量,可有效提高对其相关峰值及相应的峰值位置的测量精度.     

Selection of the best initial orbital elements of satellite based on fuzzy integration evaluation method

1 .FOREWORDAt present ,the data sources to be used by the sat-ellite TT&C ( Tracking, Telemetry and Control)center of Chinain determininginitial orbits includethe telemetry data and tracking data of rockets andsatellites .In the telemetry data ,there are data atseconds nodes and shutdown nodes of rockets ,andthe onboard GPS data of rockets and satellites .InTT&C missions , many TT&C stations with dif-ferent TT&C equipment are often utilized duringinjection phases . Therefore ,there …     

基于RS-DBN的电子对抗目标清单生成方法

由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。     

蜂群无人机系统的网络鲁棒性设计

针对蜂群无人机系统作战周期短、链路质量快速变化的特点,引入灰预测方法,提出了一种小样本条件下的链路快速评估算法。在此基础上,实现对节点的度分布进行快速估算,为蜂群无人机系统网络鲁棒性控制提供数据基础。然后将平均一致性方法与渗流理论中的MOLLY-REED准则相结合,克服了MOLLY-REED准则需要全网泛洪及不适合应用于蜂群无人机系统的缺点。最后通过配置节点的度分布,建立对节点损失具有高鲁棒性的网络拓扑结构。仿真结果表明,所提出的方法可有效提高蜂群无人机系统的通信网络对节点损失的鲁棒性。     

信息不完全确定的PROMETHEE方法及应用

提出一种信息不完全确定的PROMETHEE方法,该方法根据偏好指数和优序关系,利用决策者对训练集的排序和准则权系数的不完全确定信息等构建非线性规划模型,然后将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中方案在各准则值的偏好函数值和准则权系数,通过线性插值或样条插值得到决策方案在各准则值的偏好函数值,进而得到方案集中每一方案的偏好指数,按优序关系进行排序,得到方案集的一个部分或整体排序,最后实例说明该方法的有效性和可行性。     

基于粗糙集和D-S证据理论的设备技术状态评估

针对设备技术状态评估中存在着不确定性,建立了基于粗糙集理论和D-S证据理论的设备技术状态评估模型,以提高评估的准确度,降低不确定性。首先利用粗糙集理论的知识约简功能来优化设备技术状态评估指标,其次采用D-S证据理论来组合优化过的指标,最后采用基于基本可信度分配的决策来获得设备的技术状态类别。以汽轮鼓风机为研究对象,详细描述了基于粗糙集理论和D-S证据理论的设备技术状态评估方法,并进行实例计算。实例表明采用粗糙集理论,优化了评估指标,减少了数据收集;采用D-S证据理论,进一步综合各指标,并能计算出评估结果可能存在的不确定性量。     

复杂网络中节点重要度评估的节点收缩方法

首先定义了网络的凝聚度,在此基础上提出了一种评估复杂网络节点重要度的节点收缩方法,认为最重要的节点就是将该节点收缩后网络的凝聚度最大,其算法的时间复杂性为O(n3).该方法综合考虑了节点的连接度以及经过该节点最短路径的数目,克服了节点删除法的弊端.最后的实验分析表明该方法直观、有效且运算速度快,对于大型复杂网络可以获得理想的计算能力.     

基于多准则优化的组合预测方法

介绍了9个预测效果评价准则,提出了一种基于多准则优化的组合预测方法。该方法不同于传统的基于改善单个预测效果评价准则的组合预测方法,它综合多个准则并考虑某些准则的组合预测效果评价值优于其单个预测方法的效果评价准则值建立优化模型,利用遗传算法求解其非线性规划模型,得到组合权系数。最后实例说明该方法的可行性和有效性。     

灰色样条绝对关联度模型

灰色绝对关联度的计算基于用序列对应的折线来近似描述系统的行为特征量.从插值的角度看,折线即分段线性插值,其局限之一在于节点处不具有光滑性而真实轨迹曲线在采样点一般是光滑的;局限之二在于系统轨迹曲线曲率大时折线近似的误差相应增大,由于灰色系统研究对象为少数据贫信息系统,从而折线不能逼近真实轨迹曲线.为此,提出灰色样条绝对关联度模型以改进灰色绝对关联度,先用具有优良光滑性且近似效果好的三次样条插值函数来获得描述系统行为特征量的曲线,然后通过积分计算绝对关联度.讨论了灰色样条绝对关联度的性质和适用范围,灰色样条绝对关联度尤其适用于生长曲线类系统的关联分析,此外其可直接应用于不等时距序列.     

一致逼近方法及其在多准则评估模型中的应用

提出一致逼近方法,系统地归纳了求解多准则评估模型的基本思想,介绍了一致逼近方法的基本原理及具体算法,并给出了一些进一步构造单一准则的方法和实验对比结果．     

具有二次函数的多准则层次分类方法

提出了一种集成函数是二次函数且有训练集的多准则层次分类决策方法。该方法利用决策者对训练集的分类结果(属于最高分类和不属于最高分类)构建非线性规划模型,然后采用一系列处理方法将非线性规划模型转换成线性规划模型,求解线性规划,得到训练集中各方案准则值的偏好值和相应参数,通过线性插值或样条插值得到方案在各准则下的偏好值,并计算方案集中方案的与该分类一致性指标值和与低于该分类一致性指标值的差,以确定方案是否属于该分类,然后对不属于最高分类的训练集中的方案进行分类,并构建模型。继续上述过程,直到方案集中所有方案均进行分类为止。最后实例说明该方法的有效性和可行性。