考虑保障装备可用度的舰载机作业调度优化

为了在保证较高水平的保障可用度前提下提高舰载机出动效率, 提出一种支持可用度约束的统计优化模型及其对应的启发式求解算法。能够同时生成舰载机的保障作业调度方案和保障装备计划性维护的时间安排, 并通过基于仿真的优化方式, 在启发算法的适应度评价中增加对视情维修和事后维修的仿真, 提高了舰载机作业调度方案的鲁棒性。仿真结果表明，所提算法能够提供一个稳定可靠的基准调度方案, 避免不必要的重调度。     

中国风险投资网络结构特性及其演化

根据1999~2018年中国风险投资事件，构建了5年移动时间窗的联合风险投资网络，从复杂网络角度研究中国风险投资网络结构、特性及其动态演化规律。研究发现：在网络关系属性方面，中国风险投资网络规模在不断增大，机构之间网络能力差异性大，不利于网络的均衡发展；在网络结构层次方面，中国风险投资网络存在局部紧密性，并且，随着规模增大，网络中的最大连通成分占比也相应地增大，且机构多分布在凝聚性低的低 值核区域中，高凝聚区域少，不利于高紧密风险投资网络的构建；在网络特性方面，从两步内可达性看，机构之间进行直接联合投资活动占比小，机构之间多通过具有中介作用的风险投资机构来进行联合投资活动；从全局效率看，中国风险投资网络中机构之间传递信息的能力并没有随着网络规模的增大而减小，相反地保持在一个相对稳定的水平；在面对随机冲击时，网络规模越大，鲁棒性和有效性越强；在面对蓄意冲击时，鲁棒性在减弱，同时存在网络功能失效的危机。本文是对现有文献的补充，同时也给优化中国风险投资网络提出了一些参考意见。     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

基于动态博弈的补贴模式对机场群航线网络结构的影响研究

为探讨不同补贴模式对机场群航线网络结构的影响，本文构建了关于机场、航空公司和乘客之间的动态博弈模型，通过逆向归纳法得到了纳什均衡条件. 研究结果发现：（1）不同的补贴模式对多机场航线网络结构产生重要影响，低补贴模式促使机场群倾向于形成点对点航线网络结构，反之，在高补贴模式下机场群易于形成枢纽辐射航线网络； （2）在较低的空铁联运总运营成本环境下，补贴竞争使得航空公司倾向于选择系统内的大型机场作为枢纽机场；反之，如果空铁联运总运营成本相对较高，补贴竞争使得航空公司倾向于选择小机场作为枢纽节点； （3）随航班固定成本和空铁联运总运营成本的增大，大型机场作为枢纽节点的概率逐渐减少，而小机场被选为枢纽节点的概率将逐渐增大. 随着机场群内大型机场腹地服务人口比例的增大，航空公司选择点对点航线网络的概率在减小. 研究结论能够为民航管理部门科学制定和应用航线补贴政策提供决策依据.     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

生产成本信息不对称下零售商风险厌恶的回购契约

探索在市场价格随机条件下,生产成本信息不对称零售商风险厌恶时,采用回购契约协调二级供应链的内在规律.构建新的条件下的回购契约模型并求解,分析信息不对称和风险厌恶对供应链上各决策变量的影响.通过算例仿真进行了验证,研究结果发现:在市场价格随机条件下,不管生产成本信息是否对称,只要零售商存在风险厌恶,供应链上各决策变量都会发生分岔突变的现象;不管零售商是否风险厌恶,生产成本信息不对称都会给供应商带来额外的收益,但会损害零售商与整个供应链的收益;信息越不对称,供应链上的各种决策变量在分岔突变区域的振幅越大.结论是:分岔突变现象是价格随机条件下,参与者风险厌恶时存在的一种特有现象;供应商能够通过隐瞒私人信息带来额外的收益,但损害零售商和供应链的利益;零售商应对生产成本信息不对称的最好办法就是以最低的成本使生产成本信息透明;零售商以平稳的心态面对各种外部风险,更有利于科学决策.     

合成部队多阶段作战任务成功概率仿真评估

考虑战场环境和战时装备维修保障评估合成部队多阶段作战任务成功概率, 对于辅助合成部队作战任务规划和装备维修保障决策具有重要的现实意义。在分析合成部队装备和合成部队装备维修保障模式的基础上, 构建了战时合成部队多阶段任务剖面; 通过对合成部队作战过程的分析, 提出了战时合成部队各阶段任务成功要求; 充分考虑合成部队多作战单元任务的协同性、合成部队装备的多样性及其战时随机共因失效(random common cause failure, RCCF)、战场环境下敌方火力打击和阶段任务时间的随机性、换件修理时间的不确定性等复杂因素, 利用蒙特卡罗仿真(Monte Carlo simulation, MCS)原理给出了合成部队多阶段作战任务成功概率评估的详细仿真流程, 并通过算例进行仿真和结果分析。研究结果表明:本文模型可用于合成部队多阶段作战任务成功概率评估和战斗阶段持续时间优化, 并为战时合成部队备件携行方案优化奠定了模型基础。     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。