信息论在作战效能评估中的应用研究

基于信息论的基本理论,改进了信息熵函数,提出一种用于评估作战效能的不确定性度量评估方法.该方法能十分简便地分析出各种信息对整个作战效能的影响程度.     

基于熵权的多属性大群体决策方法

针对传统的大群体决策方法只能处理单方案决策问题的缺陷,提出了一种基于多属性的多方案大群体决策方法。该方法首先将单方案大群体偏好模型与算法推广成多方案大群体偏好模型与算法,获得大群体偏好矩阵,然后利用熵权法获得各个方案的排序权重,最后利用各个方案的排序权重和大群体偏好矩阵获得各个方案的综合评价值矢量。通过该综合评价值矢量中的综合评价值得出各方案的综合排序结果,较好地解决了多属性多方案大群体决策问题。通过计算机仿真实验证明该方法的有效性。     

企业创新网络的耗散结构

随着世界全球化技术竞争的不断加强,企业以网络组织形式进行合作创新成为新形势下企业技术创新的必然趋势。企业创新网络成为企业获取创新资源的有效组织形式。为使企业创新网络良好运作,形成耗散结构是其理想状态。企业创新网络的开放性、远离平衡态和系统内各要素的非线性作用,表明企业创新网络具备形成耗散结构的基本条件。在企业创新网络形成耗散结构的过程中,需要管理好表征系统有序度的熵,减少熵产生和引进负熵流可以使企业创新网络向更加有序的方向发展。     

基于蠕变试验计算沥青的低温松弛弹性模量

为了利用易操作的试验得到沥青的低温松弛弹性模量,采用沥青弯曲梁流变仪(BBR)测得沥青的蠕变柔量,通过对蠕变试验数据在时域内进行离散,根据蠕变与松弛之间的本构关系建立松弛弹性模量和蠕变柔量的数值迭代表达式.从迭代表达式可以计算出沥青在基准温度下的松弛弹性模量.使用时温等效换算法则可以得到不同温度下的松弛弹性模量主曲线,分析松弛弹性模量主曲线特性可以评价沥青的低温性能,为工程上选择合适的沥青提供参考.     

熵权属性识别模型在电网公司综合评价体系中的应用

电网公司综合评价中各单指标的评价结果具有独立性，需要综合考虑各指标的属性．论文通过将熵值法与属性识别模型相结合，建立了电网公司综合评价的熵权属性识别模型，并运用熵值法来确定权重系数，能够避免权重确定的主观性问题．通过一范例对该识别模型进行分析，结果合理，计算简单．     

基于参数估计的步进频ISAR成像运动补偿方法

分析了基于步进频雷达运动目标的回波信号模型,讨论了目标运动对ISAR成像的影响,针对当目标有速度或加速度时会造成高分辨距离像移位和畸变,并使二维像散焦的情况,提出了一种基于高斯包络线性调频信号自适应分解、高分辨距离像互相关法及多普勒横向像最小熵法的运动补偿算法。该算法利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动的加速度,通过距离像移动对目标运动速度进行初估计,并用高分辨距离像互相关法及多普勒横向像最小熵准则提高目标速度及加速度的估计精度,然后进行运动补偿。该算法计算量小,估计精度高,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

梯形模糊数判断矩阵的二元语义排序方法

二元语义能够很好地解决信息集结过程中的失真问题,根据二元语义与相应的梯形模糊数等价这一思想,针对群决策过程中梯形模糊数比较的不确定性问题,提出了梯形模糊数互补判断矩阵的一种二元语义的排序方法。讨论了梯形模糊数与二元语义之间的转化方法,建立了二者之间的关系;研究了梯形模糊数互补判断矩阵与二元语义语言判断矩阵之间的内在联系,提出了一种偏好形式为梯形模糊数判断矩阵的极大熵排序方法,给出了梯形模糊数判断矩阵的群集结步骤。算例分析表明所给的排序方法能够有效地避免梯形模糊数评价信息集结过程中信息的丢失与扭曲。     

知效用的测度方法研究

针对知识效用的定量测度问题,提出以知识解决的问题量来计算知识效用,使用选择权值、状态转移概率、模糊隶属度直接计算问题量,获得了与信息熵计算相似的知识效用测度公式。数值计算结果与人们使用知识的印象一致。如果一个知识解决多个问题,其效用数量不变,符合知识的共享性和可重用性,可用于教育、情报、管理和经济等领域定量评价核心知识或原始知识创新。     

Hamilton体系下弹性力学 半解析法的一个守恒律

通过对Ｈａｍｉｌｔｏｎ体系下弹性力学半解法控制方程的求解,得到了一个广州动量守恒定律,并较为详细地讨论了单元不等长、一边有面力或有位移边界、有体力等情况的广义动量守恒性。     

机器故障诊断模糊分类规则的归纳学习

机器状态的有效监控是机器安全运行,提高系统生产效率的重要途径,由于环境的复杂性与不确定性,现有机器故障诊断系统的可靠性还不能满足应用要求,为此近来年发展了模糊诊断技术,对于模糊系统而言,其关键问题在于如何获得解决具体问题的模糊知识或规则,为此提出了一种被称为模糊归纳学习的学习方法,并利用模糊信息熵概念建立了从不确定信息数据中归纳模糊规则的学习准则,实验结果表明,利用所提出的模糊归纳学习方法所获得的模糊规则能不确定怀数据进行有效分类,从而能有效地提高机器故障诊断系统的与可靠性。