舰船装备维修费单项预测集对分析与组合建模

根据集对分析的基本原理,结合基于误差大小的集对分析组合预测,给出了基于误差方向的集对分析组合预测和基于模型性能的集对分析组合预测;针对基于误差大小的集对分析组合预测建模过程中,从关联度的确定到组合权重的计算过程相对复杂、难以理解,推导简化了组合预测权重计算过程;针对集对分析中同一度为0时导致组合预测模型信息丢失的问题,提出了一种基于折扣的同一度、差异度、对立度转换处理方法。最后算例说明了该方法的有效性。     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

改进的舰船维修费案例调整模型

为提高舰船维修费案例的调整效果,遵循着调整知识产生、调整知识约简和调整知识推理的建模过程,提出了一种改进的舰船维修费案例调整模型。在该模型中,采用Policastro的重构方式,利用目标案例的直接和间接相似案例集,产生舰船维修费案例的调整知识;针对调整知识中可能存在冗余、相关性、知识量过于庞大不便于推理等问题,提出了一种既能有效约简调整知识、又能准确衡量调整知识重要度的改进规则约简方法,并给出了具体的实现算法;为提高知识推理的效率,采用具有强泛化能力和出色学习能力的最小二乘支持向量机（least square support vector machine,LSSVM）,构建了舰船维修费案例调整知识推理模型,并基于遗传算法（genetic algorithm,GA）和交叉验证方法,对推理模型的有关参数进行了优化。实例结果表明,与其他案例调整模型相比,所提模型在调整精度上要远远好于其他模型,所提模型是科学、有效的。     

通航机场场面运动目标检测方法

针对传统YOLOv3（you only look once-v3）算法目标检测精度较低、收敛速度较慢等问题,提出了一种改进的YOLOv3算法,分别对主干网络和损失函数进行了改进。采用迁移和冻结相结合的训练方法,以提升目标检测的精确度和速度。基于改进的YOLOv3算法对西南某通航机场3种不同场景下的运动目标检测效果进行了对比分析。结果表明,改进的YOLOv3算法对正常天气场景下的场面运动目标检测效果要明显优于雾天和雨天场景,对飞机目标的检测效果明显优于车辆和行人目标;3类目标的检测精度、召回率、平均精度值(mean average precision,mAP)分别达到92.96％、80.51％、91.96％,GPU处理速度为74f/s,较传统YOLOv3算法和YOLOv4算法性能均有明显提升。     

基于非线性PLS回归的军用软件成本估算

当变量间存在多重相关性时,常采用偏最小二乘（partial least squares, PLS）回归进行建模。但是,传统PLS回归采用线性关系式来建立内部成分与外部成分之间的关系,已有的非线性PLS在模型可解释性方面存在不足。针对军用软件成本估算问题的非线性特点,建立了一种基于内部机理的非线性PLS回归模型,给出了模型的推导过程和实现算法。实例分析表明,该方法的估算精度优于多元线性回归,线性PLS回归和基于多项式内部映射的非线性回归。     

基于包容性检验的舰船装备维修费组合预测

针对舰船装备维修费组合预测中,容易出现预测模型数量多于用于组合预测的样本数量,以及在已有舰船装备维修费组合预测模型中增加一个预测时,可能会降低组合预测性能的问题,通过对现有两模型包容性检验方法的分析,提出了带有截距项的多模型组合包容性检验。在此基础上,通过按模型的优劣次序逐步进行包容性检验和组合的思路,提出了基于包容性检验的舰船装备维修费组合预测模型选择方法,不仅可以降低包容性检验的计算量,而且可以提高舰船装备维修费组合预测的性能。     

基于CAIV的装备研制项目投资管理理论研究

针对装备研制项目需求与装备经费资源之间的矛盾问题,吸收美国武器装备采办中的CAIV技术的精华,以形成可以指导我军装备研制项目投资管理的理论体系,研究该理论体系所应蕴涵的主要核心内容及其未来需要的方向。     

武器系统费用估算的参数法研究

提出了武器系统费用估算中参数法的形式化研究方法,对参数模型的建立、目标函数的建立以及优化参数的求取进行分析.考虑到模型对样本数据的适应能力,采用径向基神经网络建立参数模型;针对模型的拟合精度和推广能力之间的矛盾以及两者的要求,提出建立一种折中的目标函数;针对目标函数的参数较多、形式较为复杂的特点,采用粒子群优化算法计算得到模型的优化参数,最后通过实例加以分析验证.理论研究和计算分析表明,该方法从本质上解决了参数法的模型建立、参数优化等问题,既可以对新参数模型的建立在理论上提供指导,也可以在实践中推广应用,通用性较好.     

舰船维修工时费率与物价指数的阈值协整关系实证研究

基于不同时期舰船维修工时费率与物价指数的波动特征,提出采用非线性阈值协整理论,建立了工时费率与物价指数的阈值向量误差修正模型,并分析模型估计、检验方法。鉴于研究对象的小样本性质,设计了基于参数化残差的Bootstrap仿真实验,实现模型的检验及估计。根据模型结果,对不同机制下工时费率与物价指数因果关系进行检验,并与线性协整假设下的检验结果进行比较。实证结果表明：工时费率与物价指数属于两机制非线性阈值协整系统,当对均衡态的偏离超过阈值时,系统向均衡态调整,并且工时费率的调整速度大于物价指数调整的速度;否则,系统不进行调整。在不同机制下,工时费率与物价指数存在不同的单向因果关系。     

软件成本数据的相似性度量

软件成本数据常常表现为高维混合属性数据,传统的相似性度量已不再适用.文中通过建立软件成本数据的高维模糊C均值(FCM)聚类算法对数据相似性进行度量.首先,定义由序数属性到数值属性的初始映射;然后,通过建立改进的迭代高维FCM聚类算法对序数 数值映射进行修正,优化聚类效果;最后,利用得到的模糊划分矩阵对软件成本数据的相似性进行度量.实验结果表明,通过对聚类效果进行优化,文中定义的相似性度量能够提高软件成本估算精度.