小样本下基于卷积神经网络的费用估算研究

在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上优于其他模型.     

基于量子辐射场的大数据安全存储寻址算法

大数据存储过程面临着与日俱增的各种威胁,而传统数据存储算法难以有效应对这些新型威胁。以量子力学和量子遗传的关系为基础,构建量子辐射与量子遗传迭代的、双向可逆过程的数学函数和计算机程序,为流数据的大规模量子安全存储构建软件基础环境。在量子力学和量子遗传的映射关系下,将量子染色体的定义和交互作用通过量子比特和量子旋转门的计算实现,将量子染色体的交互通过量子引力作用和量子斥力作用的交互实现,将量子染色体动态过程的主要衡量指标通过引力和斥力的叠加态来计算产生。用量子引力和斥力来引导流数据的动态存储寻址、出入栈过程与路径,进而将大数据存储过程双向映射为量子辐射场和量子空间域问题,得到安全存储路径与存储地址。     

边界监督多重集典型相关分析

多重集典型相关分析(multiset canonical correlation analysis,MCCA)仅仅考虑了多组数据间的相关性信息,不能有效地反映样本数据的几何结构与鉴别信息,因此为了解决这个问题,首先在LDA思想的启发下,构建了监督多重集典型相关分析(supervised multiset canonical correlation analysis,SMCC)的理论框架,并以此为基础,结合边界Fisher分析(marginal fisher analysis,MFA),提出了边界监督多重集典型相关分析(marginal SMCC,MSMCC).该算法的基本思想是在最大化数据相关性的同时,还要最大化组内数据的类间离散度以及最小化组内数据的类内离散度.在人脸图像与目标数据库上的实验结果验证了所提算法的有效性.     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

基于可接受性标准的复杂产品仿真系统在线评估框架

针对当前复杂仿真系统评估的滞后性问题,提出了基于可接受性标准(Acceptability Criteria,AC)的仿真在线评估方法。通过定性和定量AC到指标的映射模型来建立评估指标体系;引入指标集和评估函数,提出了仿真评估流程有限自动机七元组模型,给出仿真流程到评估自动机的映射关系和基于数据驱动的状态转移机制,实现评估过程自动化执行过程;基于上述成果设计了在线评估工具,通过案例验证了在线评估方法的有效性,表明该方法能够有效解决仿真系统评估滞后性问题。     

复杂仿真系统重用模型可信度评估方法

在资源高度共享的今天,模型重用可增强仿真应用的灵活性和可扩展性,是复杂仿真系统构建的必然选择。然而,评估多模型组合仿真下的可信性是模型能否实现有效重用的基本问题。针对面向实物和面向数值解算两个不同应用环境的仿真模型重用,提出基于偏差传播的仿真重用模型可信度评估方法,详细介绍了各自建模方式及评估方法。以无人机复杂仿真系统为例,通过与经典可信度评估方法对比,说明了该方法可降低在重用模型可信度方面的评估难度,验证了方法的可行性。     

一类随机偏微分方程极大似然估计的假设检验

研究了一类由加法噪声驱动的随机偏微分方程的参数估计的假设检验问题,分别给出了N固定,T→∞和T固定,N→∞两种渐近情况下的未知参数的拒绝域的显式表达式,更进一步证明了拒绝域的渐近性质。