对数正态分布下的模糊维修性指标验证方法

基于维修性指标验证在提高武器系统费效比中的重要性,针对常用的对数正态分布,提出了一种模糊维修性指标验证方法。在样本数据精确,统计假设模糊的情形,以控制出现两类错误的概率为目的,研究了对数正态分布下的模糊假设检验问题。实例表明该方法能有效处理维修时间服从对数正态分布时,具有模糊背景的平均修复时间的模糊假设检验问题,对装备试验靶场进行维修性试验与鉴定具有借鉴意义。     

双边定数截尾情形下指数-威布尔分布参数的Bayes估计

在双边定数截尾情形下．给出两参数指数-威布尔（EW）分布形状参数的Bayes估计。基于无信息先验和共轭先验，并分别考虑均方损失和LINEX损失，给出不同的估计结果。最后运用随机模拟的方法对各种估计结果的优良性进行分析比较。     

利用先验信息修正经典限的可靠性评估方法

讨论可靠性评估中利用先验信息的问题 .在参数先验分布容易确定的场合 ,可利用先验信息对参数的经典估计进行修正 (即给出 Bayes估计 ) ,再基于该估计用经典的 WCF方法给出系统可靠度的置信下限 .该方法具有很好的精度 ,并克服了纯 Bayes方法受先验偏差影响较大的缺点 .文章对上述进行了补充 ,讨论了指数定时截尾数据情形下利用先验信息的可靠性评定问题 .给出了一种融合先验信息和试验数据的参数估计 ,该估计的特点是具有独立和的形式 ,基于该估计用 WCF法比基于通常的 Bayes估计简单 .另外 ,对参数先验分布难以确定的多参数寿命分布模型 (如 Weibull分布 ,本文在仅知其可靠度先验分布或可靠度先验一阶、二阶矩及可靠度的某先验分位点的条件下 (事实上工程专家较易给出上述可靠度的有关先验信息 ) ,将 Bayes,Fiducial及经典统计方法相结合 ,用可靠度的先验信息直接对可靠度的经典限作修正以获得融合了先验信息及试验数据的置信下限 ,模拟表明该种处理具有很好的精度 ,适合工程应用.     

基于模糊约束的贝叶斯网络参数学习

针对小样本下贝叶斯网络参数学习结果不准确的问题，提出一种模糊最大后验估计方法，该方法将模糊理论引入到参数学习中，通过对约束效力的度量，利用隶属度函数来确定超参进行学习，以提高约束使用的准确性。实验证明，所提方法可以有效提高参数学习的精度。除此之外，将所提方法应用到网络安全评估中，将通用漏洞评分系统作为专家先验参数，结合漏洞信息迁移样本来进行参数学习。最后，通过节点和路径安全评估验证了所提方法的有效性。     

模糊互补判断矩阵排序的一种算法

对模糊一致性判断矩阵转换公式的参数进行了对比分析，给出了模糊互补判断矩阵排序的一个通用公式，并且把它推广到群体决策的情形，该公式不仅充分包含了模糊一致性判断矩阵的优良特性及其判断信息，而且所需计算量小、简洁、合理、有效，在实际应用中将给人们带来很大的方便，最后进行了算例分析。     

无需量化因子的模糊直接逆控制

针对模糊控制中量化因子难以确定以及无先验知识情况下模糊控制器结构和参数难以得到问题，提出了一种无量化因子和不依赖专家经验知识的模糊直接逆控制方案，克服了传统模糊规则基的得到过分依赖专家知识的弱点，控制器的规则基不采用规则的三角形形式，而是采用与实际更加接近的无规则三角形，规则基的得到不依赖已知经验，而是根据系统输入输出信息，利用进化规划离线对控制器规则基的结构和参数同时优化、实际控制中利用优化的规则基对系统进行控制，实时控制算法的运算时间仅为一组规则基的计算时间，大大加快了系统的响应速度，仿真结果验证了算法的有效性。     

具有Choquet积分形式的模糊合作对策

结合模糊数的限制运算，探讨了一类具有模糊支付的模糊合作对策--Choquet积分形式的模糊合作对策，研究了其单调性和连续性。具有模糊支付的模糊合作对策是凸模糊合作对策时，研究了Choquet积分形式的模糊合作对策的模糊核心和模糊Shapley值，并探讨了两者之间的关系，有趣的是这种关系与经典情形相一致。需要指出的是，所给有关模糊合作对策的定义都是对经典情形的推广。最后通过一个算例来说明其应用。     

空间动态非参数杜宾模型及其应用

本文将研究重点放在一类特殊的空间动态面板数据模型——空间动态非参数杜宾模型的设定、估计与检验上,以研究不同空间单元之间的非线性影响.为此,本文就固定效应空间动态非参数杜宾模型给出了迭代估计及相应的假设检验方法,并根据蒙特卡罗模拟结果,对迭代估计方法加以改进.通过仿真实验和实证应用,验证了对于固定效应空间动态非参数杜宾模型,尤其是N和T比较大的情形,本文给出的改进方法是稳定有效的.     

基于混合协同粒子群优化的广义T-S模糊模型训练方法

针对广义Takagi-Sugeno(T-S)模糊模型训练中存在的高维、非线性、混合参数估计问题,提出了一种基于混合协同粒子群优化的广义T-S模糊模型训练方法.该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的模型前件参数集.两种群通过协同进化优化所有前件参数;模型后件参数用卡尔曼滤波算法估计.该方法不要任何先验知识,能产生紧凑的、泛化性能较好的模糊模型.函数逼近的数字仿真说明了该方法的有效性.     

基于粒子群的控制器参数模糊规则自动提取

设计一种移动机器人轨迹跟踪控制器并利用Lyapunov稳定性定理证明了该控制器的全局稳定性。针对人为设定该类控制器参数工作量较大,根据移动机器人跟踪控制过程的非线性本质,提出了一种采用模糊非线性参数的跟踪控制方法。在无先验知识的前提下,利用粒子群算法自动提取控制器参数的模糊规则基。设计一种动态群体的粒子群方法,使得种群的多样性得到保证,减少局部收敛的可能,同时又不会对已有种群的模式造成巨大破坏。对比实验验证了该方法的有效性。