基于模糊加权的动态自适应分支预测算法研究

分支预测技术一直以来是计算机体系结构、微处理器设计的研究重点。目前分支预测的研究集中在动态分支预测技术,采用学科交叉的观点,提出新的预测算法。对自适应动态分支预测进行改进,引入了模糊加权的机制,对分支历史的每一位加不同的权值,并利用调整因子动态改变权值,由模糊推理得出预测结果。SimpleScalar的模拟结果表明,这种模糊加权的动态自适应算法比经典的gshare预测算法预测失效率低2%。     

冗余系统中备件可靠性预测

就冗余系统中备件可靠性设计问题给出了两种预测模型,应用以往的评估数据,对模型进行了检验,结果表明这两种模型基本可用．     

模糊综合评判的取大取小算法是一个错误算法

很多文献都给出了模糊综合评判的取大取小算法及其实际应用。但是这一算法是一个错误的算法。本文通过分析该算法的运算过程及其应用例题的运算过程证明了这一事实。而后,给出一两种比较好的模糊综合评判算法。     

Prediction and analysis of chaotic time series on the basis of support vector

Based on discussion on the theories of support vector machines （SVM）, an one-step prediction model for time series prediction is presented, wherein the chaos theory is incorporated. Chaotic character of the time series is taken into account in the prediction procedure; parameters of reconstruction-detay and embedding-dimension for phase-space reconstruction are calculated in light of mutual-information and false-nearest-neighbor method, respectively. Precision and functionality have been demonstrated by the experimental results on the basis of the prediction of Lorenz chaotic time series.     

基于轨道误差搜索的双基地ISAR包络对齐算法

针对空间目标这一应用背景提出了一种基于轨道信息的双基地逆合成孔径雷达包络对齐算法。首先推导了空间目标位置预报误差与慢时间之间的函数关系,分析表明,成像时间内轨道预报误差可用慢时间的二阶函数表示。在此基础上,利用轨道预报值和轨道误差搜索结果通过在频域补偿相位的方式完成了一维距离像包络的精确对齐。参数搜索过程中,确定了误差速度和加速度的搜索步进量,并以二维图像的对比度作为代价函数。仿真结果表明,相比于传统基于回波相关性的包络对齐算法,该算法更适用于因双基地角和极化失配等因素导致信噪比较低的双基地回波。     

The Optimum Model and Its Decision Support System of Coal Quality Balance

1　 Coal Quality Balance and Its Significance[1]Coal quality balance is to make a comprehensive plan concerning excavation steps and coalamount disposition of different coal seams based upon the natural coal-preservation stateand its relation with mining engineering in the three dimensional space so as to have thequality of coal excavated from different districts blended and coordinated the greatestextent possible and ensure the coal quality uniformity and stability,thus raise economicand soc…     

基于状态的武器电子装备故障预测研究综述

随着人们对维修费用和维修效果的追求,基于状态的维修(condition based maintenance, CBM)得到了进一步发展,作为CBM的关键问题之一,故障预测已经成为装备维修领域的一个主要研究方向。当前,对故障预测的综述主要局限于对故障预测方法的总结,并未对故障预测的研究有一个全面、综合的阐述。为了对故障预测的研究有一个系统、全面的认识,本文从故障预测的内容、对象、方法3个维度对基于状态的武器电子装备故障预测研究进行了综述,并对相关的故障预测方法进行了分析和梳理。针对装备故障预测问题,立足于文献综述,提出一种基于状态的装备故障预测分析方法,为部队对装备进行合理、科学的故障预测提供借鉴。     

基于属性理论的综合预报系统及其应用

应用属性综合评价方法,讨论了煤灰结渣的预报问题,提出了分离系数的新概念以及确定指标权系数的新方法,还提出了确定属性测度的基于左、右方差的指数函数形式,它们有助于构造一个切实可行的预报系统.     

基于时间序列挖掘的合成旅装备维修保障能力预测

针对现有的预测方法参数较多、精确度不高的问题,采用了时间序列挖掘的方法对合成旅未来一定时期内的装备维修保障能力进行预测。首先建立了指标体系,利用“装备云”平台相关数据对指标及装备维修保障能力随时间变化的序列进行计算;然后对多元时间序列进行线段化拟合、聚类、符号化表达、Apriori关联挖掘,通过差分整合移动平均自回归-支持向量回归组合模型及反向传播神经网络对合成旅装备维修保障能力进行预测,最后通过事例验证了本文所提出的方法。     

虚拟战场环境中的多维信息综合显示

21世纪的综合战场环境（SB）中演练将包括陆海空天多种实体在综合自然环境（SNE）中的协同作战，指挥控制（command and control,C^2)系统操作员需要一种直观，自然的方式了解整个战场的所有信息，以便对训练效果和武器性能做出高效快速的评估和分析。传统的桌面的显示模式面对综合战场环境中的巨大的信息量暴露出了多方面的局限性，本文综合2D／3D优点提出多维信息综合显示的构想。     

基于模糊逻辑和D-S证据理论的一种态势估计方法

战场态势分析是指挥决策的基础 ,如何进行合理的态势估计是C4ISR数据融合系统中的一个重要环节。分析了态势估计问题的本质特征和推理模式 ,提出了一种基于模糊逻辑和D -S证据理论的综合推理方法 ,并构造了一个对战场态势进行分析、推理和预测的求解模型。该模型能够通过融合推理得到态势假设和事件之间的潜在关系 ,为决策提供依据。     

基于G-M法和重要抽样法的PLP强度函数的Bayesian预测分析

在多种无信息先验下, 将Gibbs抽样与Metropolis-Hastings算法混合的方法和重要抽样法应用于幂律过程强度函数的Bayesian预测分析, 简化Bayesian分析同时还能方便地给出强度函数及其函数的Bayes估计和区间分析. 所给预测方法不仅能预测幂律过程的未来强度, 同样适用于当前强度的预测. 在用具有精确解的数值模拟算例充分验证了文中方法的可行性、合理性和有效性之后, 将其应用于一个实例分析, 并就无信息先验中参数的选取给出一些建议.     

基于模型预测的网络化控制系统补偿控制

针对分时控制模式下存在于网络诱发延迟大于一个采样周期的网络化随机控制系统中的空采样和数据拒绝问题,提出了一种基于模型预测的补偿控制法。该方法通过在执行器设立缓冲区窗口并存放一定数目的历史控制量,利用多个历史控制量对当前采样周期的控制状态进行估计预测,对空采样和数据拒绝情况进行补偿控制,达到改善系统性能的目的。通过仿真实验证明了该补偿控制算法的有效性。     

The Entropies Evaluation of the High-entropy System and its Determination of Operating Entropy

1　Ｈｉｇｈ ｅｎｔｒｏｐｙＥｎｇｉｎｅｅｒｉｎｇＳｙｓｔｅｍＴｈｅｏｒｉｅｓｏｆｃｏｍｐｌｅｘｅｎｇｉｎｅｅｒｉｎｇｓｙｓｔｅｍ ,ｃｏｍｐｌｅｘａｎｄｈｕｇｅｓｙｓｔｅｍｓｏｒｍａｎ ｍａｃｈｉｎｅ ｅｎｖｉｒｏｎ ｍｅｎｔｓｙｓｔｅｍ ,ｗｈｉｃｈａｒｅｉｎｔｅｇｒａｔｅｄａｎｄｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙｓｕｂｊｅｃｔｓ ,ｗｅｒｅｂｅｉｎｇｄｅｖｅｌｏｐｅｄｒｅｃｅｎｔ ｌｙ .Ｉｔｉｓｍａｉｎｌｙｂｅｃａｕｓｅｏｆｔｈｅｓｏｃｉａｌｉｚａｔｉｏｎｏｆｐｒｏｄｕｃｔｉｏｎ ,ｃｏｍｐｌｅｘｉｔｙ…     

融合自忆性原理的优化GM(1,1)幂模型构建及应用

针对因发展变化受众多因素影响而具有饱和增长趋势或单峰特性的原始波动序列,为了提高预测精度,以灰色GM(1,1)幂模型为基础,构建了自忆性原理与优化GM(1,1)幂模型的耦合预测模型,用动力系统自忆性原理来克服传统灰色模型对初值比较敏感的弱点。结果表明,新构建模型能够充分利用系统的多个历史时次资料,模拟和预测精度都高于传统优化GM(1,1)幂模型,进一步拓展了灰色模型的应用范围。最后,以我国高中升学率的数据为例验证了所构建模型的优越性和有效性。     

基于语义分割实现的SAR图像舰船目标检测

基于深度学习实现的目标检测方法在自然图像中取得非常大的成功,而将诸多方法运用于合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标检测逐步成为新的趋势。如何将已有方法改进并与SAR图像的特点相结合完成特定的检测任务,已经成为当前主要的研究方向。不同于当前已有方法,本文对存在的深度学习SAR图像舰船目标检测方法进行了再思考,提出了基于语义分割实现的检测、分割一体化方法。通过语义分割实现的检测方式能够有效地避免当前诸多检测网络的复杂解码过程,具有生成的预测框更加贴合目标、精度以及召回率更高等特点。该方法虽属于无锚框检测,但实验结果表明,达到了双阶段检测效果,且具有更加精细化的分割结果,适用于复杂背景检测与分割问题。     

识别SAR图像中车辆和车辆群目标的综合方法

提出了一种对SAR(syntheticapertureradar)图像中的车辆和车辆群目标进行识别的综合方法。它利用SAR图像所具有的统计特性、CFAR检测和数学形态学方法相结合对SAR图像进行预处理和目标分割。找到了一组能够正确表示SAR图像中车辆和车辆群目标的单体不变特征和组合不变特征,给出了相应的目标分类和识别算法、参数选择方法及优化参数。实验证明该方法具有良好的识别效果。     

企业财务困境修正Z模型的实证研究

针对奥特曼Z模型的不足之处进行了修正，寻找尽可能准确预测财务困境的模型，并选取我国上市公司中41家财务陷入困境的公司和41家财务正常的公司为样本，应用逐步回归分析法，研究了财务困境出现前2年这两类公司的20个财务指标，从中选定7个指标作为预测变量，主要采用Fisher判别分析和Logistic回归分析两种方法分别建立了财务困境预测模型。实证研究结果表明这2个模型与奥特曼的Z模型相比均有较好的预测效果，针对我国上市公司财务困境的预测准确度有显著提高。     

基于支持向量机的混沌时间序列非线性预测

提出一种新的应用支持向量机回归原理的混沌时间序列非线性预测方法,同时利用自适应的方法对支持向量机的参数进行优化.仿真结果显示支持向量机具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度,同时还讨论了支持向量机中参数以及嵌入维数的变化对泛化误差的影响,得出的结论与统计学习理论中的VC维理论相一致.     

LM-BP算法在金融股指预测中的参数设定

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题.为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较.以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测.