影响图及其在Robocup中的应用

影响图是决策问题的图形表示。它被认为是对动态贝叶斯网络的扩展，是在贝叶斯网络的基础上增加了决策结点和效用结点。探讨影响图在Robocup中的应用，用分层影响图表示了截球问题的模型，并给出一种实现行为动态调整的算法。仿真结果表明该算法可行的。     

支持群决策过程建模的层次影响图模型

传统影响图模型不具备对群决策过程的建模能力.针对这一问题, 提出了层次影响图模型. 首先给出了层次影响图的定义,它是一个以层次方式排列的影响图的集合.然后建立了不同影响图之间的三种 消息传递方式,研究了在能够接收外界消息情况下的影响图演算方法.最后使用一个群决策案例展示了建模和求解 的过程.层次影响图采用了分解-联合的建模策略,将影响图的应用范围扩展到群决策领域.     

项目投资风险分析方法研究:一种基于影响图的解析方法

将项目投资风险分析的解析方法和影响图的概率推理功能结合在一起 ,对如何应用影响图进行项目投资风险分析展开了研究 :构造了一个较为一般的项目风险分析的影响图模型 ;提出了项目风险超额报酬率的概念 ;给出了影响图因果概率推理的一个具体的解析支持算法.     

关于认知影响图方法的研究

在进一步发展认知图、影响图理论的基础上，提出了融合二者于一体的认知影响图理论，建立了两种构造认知影响图方法：诊断法和时间序列法，解决了实际认知过程中，按时间序列出现事件经常与人类诊断知识方向矛盾的问题：并根据在思考问题过程中，同一领域专家的认知方式不同，分别采取因果推理及诊断推理的特点，提出了一种能有效地获取上述两种知识的衍值方法     

影响图的信息值分析

在研究图模型拓扑结构的基础上,分析了随机变量节点在影响图上所处的位置及其相互的关系,得出了图决策模型变量间信息的定性关系。提出了一个不通过数值计算来对影响图上的随机变量的安全信息期望值进行排序的方法,应用这种定性的分析方法,可以实现对决策模型中不确定变量的信息相关性进行排序。     

质量预测控制与诊断灰色系统方法

将灰色系统理论中的预测与关联度理论引入产品质量控制领域，建立了产品合格率产品质量突变区间的ＧＭ预测模型以及产品质量影响因素的关联度诊断分析模型，提出了ＧＭＰｔＣ图，并给出了一个应用案例，为产品质量的预报控制与因素诊断提供了有效分析方法与工具.     

基于影响图的空战机动决策模型

把影响图和对策论引入到一对一空战机动决策中。影响图把动力学质点模型、飞行员的偏好以及不确定性考虑到空战机动决策模型中。根据对目标建模的不同，提出了两个影响图模型：第一个模型是随机机动决策模型，第二个是影响图对策模型。最后给出了模型求解方案以及仿真算例。仿真结表明模型的有效性。     

SysML:一种新的系统建模语言

SysML（Systems Modeling Language）是国外正在研究的一种新的系统建模语言，是为系统工程应用开发的标准建模语言，它的内容包括SysML语义和SysML表示法两个部分。介绍了SysML的产生背景、元模型理论、语言体系结构和语言形式，重点介绍了SysML的九种基本图形：类图、装配图、用例图、需求图、参数图、顺序图、活动图、状态机图和时间图，总结了SysML的主要特点和应用领域。     

基于影响图的UCAV编队对地攻击战术决策研究

随着武器的高科技化、战场环境的复杂化、战斗节奏的加快,智能化的战术决策系统在现代战争中占有越来越重要的地位。基于影响图易于进行不确定性推理的优点,提出应用影响图来建立UCAV编队对地攻击智能战术决策系统。建立了UCAV编队对地攻击战术决策的影响图模型,并且对该模型进行了仿真分析。仿真结果表明,基于影响图的战术决策模型能够提高决策的准确度和智能化,而且推理简单,易于实现。     

影响图的函数求解

影响图是表示与求解决策问题的图形工具，它直观地表示变量间的条件独立关系和决策问题的结构。本文讨论用树形结构表示结点的数据结构，有效地解决了结构上的不对称性问题；并研究在函数层上求解影响图函数进行各种影响图变换时，结点数据结构的变化规律。     

模糊影响图评价算法的探讨

模糊影响图是进行风险分析与评价的一种较新的方法，因其直观性和易于理解而受到欢迎，论文就可用于工程项目风险分析的模糊影响图评价算法中存在的问题进行了探讨，研究并改正了其评价算法，最后，通过一个算例，详细说明了改正后的评价算法。     

运动模糊图像检测分割盲复原

针对空间变化的运动模糊图像,提出基于单帧图像的模糊检测与分割的盲复原方法。首先,模糊检测生成模糊区域映射图;其次,采用腐蚀和膨胀分别对映射图中的模糊区域与清晰区域处理,利用处理结果标记,并采用分割算法分割图像;再次,分两步估计模糊核,并对模糊区域进行外延扩张,利用估计得到的模糊核进行反卷积去模糊;最后,去除被外延的部分,并与分割得到的清晰区域进行拼接,得到完整的去模糊后的图像。结果表明,算法在人工数据集峰值信噪比(peak signal to noise ratio,PSNR)平均提高10 dB,均方根误差(root mean square error,RMSE)平均降低0.12,自然场景下的真实模糊数据集去模糊结果视觉质量明显提高。此外，该算法在减少模型复杂度的同时也提高了去模糊的质量。     

基于模糊模式识别的选煤厂工序失控原因诊断系统

考虑了模糊特征分量对识别模糊模式的重要程度 ,给出了一种新的模糊模式识别方法 .针对选煤厂的洗选工序 ,利用 CIMS的系统集成环境和其他功能模块 ,得到了工序失控原因特征向量 ,基于模糊模式识别给出了工序失控原因诊断方法 ,并给出了系统实现的数据流程图.     

Sequential maneuvering decisions based on multi-stage influence diagram in air combat

A multi-stage influence diagram is used to model the pilot's sequential decision making in one on one air combat.The model based on the multi-stage influence diagram graphically describes the elements of decision process,and contains a point-mass model for the dynamics of an aircraft and takes into account the decision maker's Dreferences under uncertain conditions.Considering an active opponent,the opponent's maneuvers can be modeled stochastically.The solution of multistage influence diagram Can be obtained by converting the multistage influence diagram into a two-level optimization problem.The simulation results show the model is effective.     

基于多级影响图的空战连续机动决策

首次将多级影响图分析方法引入到连续空战机动决策中。基于多级影响图的模型通过图形来描述连续决策中的各要素，并把不确定的决策环境、动力学质点模型以及飞行员的偏好考虑到模型中。考虑到目标的机动能力，利用动态概率影响图对目标进行建模。仿真结果表明该模型的有效性。     

多级影响图在空战机动决策中的应用

利用多级影响图来模拟飞行员在不确定情况下近距格斗时的连续机动决策,并把动力学质点模型和飞行员的偏好考虑到模型中.针对求解多级影响图计算量大的问题,本文把它转化为分层最优化问题,利用进化算法求得最优机动决策.最后的仿真结果表明该模型的有效性.     

基于区间直觉模糊数的群决策模型及其在社交网络中应用

基于经典熵方法的局限,提出一个新的区间直觉模糊熵计算方法.考虑社交网络数据高度动态及非结构化的特性,引入区间直觉模糊思想,创新性地将社交网络用户影响力量化评价转化为模糊多属性群决策问题,提出基于区间直觉模糊数的用户影响力动态评价模型.该模型对用户影响力进行多层次分解,建立模糊情境下的指标体系,以区间数描述用户数据,同时引入时间维度考察数据的动态差异,采用新的熵方法计算模糊熵,设计主客观相结合的熵权确定方法,从而对用户影响力进行量化分析.克服了主观赋权的局限,提供了社交网络量化评价的新思路,拓展了区间直觉模糊群决策方法的应用.最后,应用该模型对新浪微博用户进行影响力动态评价,验证模型的有效性.     

一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

基于模糊积分的支持向量机动态集成方法

确定模糊密度是应用模糊积分进行融合的核心问题。分析了目前存在的各类模糊密度赋值方法存在的不足,在探索证据相互关系的基础上,提出了证据支持度的概念,并基于证据支持度给出了一种动态模糊密度赋值方法,分析了分类器之间的差异性对证据支持度的影响,引入了影响因子,进一步完善了证据支持度的内涵。实验表明,本文算法较之单支持向量机、基于投票的支持向量机、以基分类器精度作为模糊密度的静态模糊积分支持向量机集成以及一种基于自适应模糊密度赋值的模糊积分方法用于支持向量机集成,分类精度均得到提升。     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计, 为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息, 难以有效处理包含定性、定量数据的目标特征信息。基于此, 提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上, 引入前件影响矩阵和后件影响矩阵对定性数据进行处理, 使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数; 为了进一步提高模型的输出精度, 将自适应模糊神经推理系统的输出层替换为多项式神经网络; 通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识, 确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性, 与其他混合属性数据建模方法相比, 所提方法具有较高的预测精度, 可为作战指挥决策提供有效的辅助支持。