目标化管理研究

目标化管理是当代的最主要管理方法,本文应用现代管理理论同实际相结合,对目标的生成,目标分解体系的建立进行了论述,并提出了绝对目标分解系数与相对目标分解系数的概念。     

多目标系统半结构性决策理论与方法

多目标系统决策常常是一个既有定量目标,又有定性目标的多目标半结构性决策系统。文中提出定性目标对优属度矩阵的确定理论与方法。继而提出与定性目标相对优属度计算具有统一标准的定量目标相对优属度 计算公式。     

地面保护目标相对危险度确定算法设计及应用

针对运载火箭发射飞行安全控制任务的核心问题——地面保护目标,提出了地面保护目标相对危险度确定算法。此算法将地面保护目标相对危险度的度量考虑为当前时刻保护目标与火箭预示落点的距离、火箭残骸碎片散布和毒气扩散分布、保护目标的人口分布、保护目标重要设施的代价函数,实现了目标的危险程度综合评估。通过将该算法应用于某对策分析及决策支持系统,实现了运载火箭安全控制决策中对地面保护目标危险程度的定量描述,为安控人员实施火箭安全控制决策提供了有效的支持。     

利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法.相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类.     

利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法。相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类。     

棒材孔型多目标优化设计

简述多目标优化方法，将此方法应用到棒材孔型设计中。通过实例证明，运用多目标优化孔型设计，轧制功率1．604％；相对功率波动范围下降45．76％，在节能和轧制负荷均衡方面均取得较好效果。     

多目标决策方案排队法的矩阵算法

对多目标决策分析中基于相对位置估计的方案排队法，给出了一种矩阵算法．该方法简便、实用。     

基于相对测距的水下目标定位算法

在没有星基、地基及水下时空基准信息的辅助下,为解决对水下目标精密定位问题,提出了一种基于水面舰船间相对测距和目标到达角的水下机动目标定位算法(UTPA)。通过联合水面舰船间电磁波相对距离观测和水下声学测角信息建立定位方程,考虑到目标定位方程求解中的异类信息融合权比失配问题,利用Helmert方差分量估计完成目标相对位置的迭代求解。Monte Carlo仿真表明:基于Helmert权比自适应调整的UTPA的定位偏差仅为典型的单平台声学定位技术的10%。     

基于相对隶属度的模糊信息的多目标决策法

针对模糊信息的多目标决策问题,基于模糊集理论,首先,将决策者的主观偏好信息所隐含的目标权重通过一个线性规划模型计算出来。其次,借助每一方案与最优、最劣方案的综合加权距离,求得每个方案相对与最优方案的相对隶属度,提出了基于相对隶属度的模糊信息的多目标决策的相对隶属度法对方案进行择优和排序。最后,通过算例说明方法的可行性和实用性。     

接近非合作目标的航天器相对轨道有限时间控制

针对快速接近非合作目标航天器任务,提出了一种基于观测器的相对轨道有限时间控制算法．首先,基于非奇异的终端滑模技术,设计了一种有限时间控制器．该控制器可使追踪航天器与目标航天器的相对位置和速度在有限时间内达到期望值．其次,考虑到非合作航天器的逃逸机动,在控制器中引入了一种有限时间观测器,该观测器可在有限时间内估计出目标的逃逸加速度,从而保证闭环系统的全局有限时间收敛．最后,通过数值仿真验证了该控制算法的有效性．     

基于决策支持度的不完备信息系统约简算法

提出了一种基于决策属性支持度的属性相对约简算法。通过引入决策属性支持度对不完备决策表中属性的重要性进行了定义,并以此作为启发信息进行属性的选择,该算法的时间复杂度是多项式的。寻找决策表中最小相对约简问题是典型的NP-hard问题,采用该算法可降低问题复杂度。通过实例说明,该算法能得到不完备决策表的最小相对约简。     

文本相似度计算在企业信息检索中的应用

企业信息检索系统所要解决的核心问题就是：提高检索关键字集合的规范性与完备性,通过对文本相似度计算及相关分类算法,达到检索关键字集合规范性及完备性提高的目的。本文给出了线性序列相似度的定义,讨论了匹配矩阵的性质,给出了一种计算线性序列相似度的算法,并对算法作出了优化。     

顶点覆盖问题的贪心算法的设计与分析

设计了解顶点覆盖问题的贪心算法 ,并证明其相对比率 η≤H(d) ,d为图中最大的顶点度数 ,H(d) =∑1/ j(j =1,2 ,…… ,d) .当d ≤ 3时 ,解的精确度有明显改善 .     

非完整移动机器人的迭代学习控制

首先针对迭代初态偏移期望初态的情况,利用构造期望轨迹的办法给出了基于相对阶的迭代学习控制算法,然后借助于压缩映射原理与Gronwall-Bellman不等式给出了算法收敛性的证明.最后将得到的迭代学习控制律应用于非完整移动机器人的跟踪控制问题.MATLAB仿真结果表明了所给控制算法的有效性.     

连续属性的离散化算法

结合聚类的思想与信息增益性质,给出一种基于距离与信息增益相结合的连续属性离散化方法.此方法不仅考虑了属性值之间的序关系,而且考虑了属性值之间的相对大小关系.此算法的一个最大优点是能自动调整离散化过程中的阈值,且能达到所要求的决策表相容度.     

阀芯曲线拟合算法

提出一种计算机拟合阀芯曲线的算法，以一系列相对开度得到一系列相对流量，从而产生不同的理想流量特性，该算法可用于阀芯的ＣＡＤ 和ＣＡＭ．     

基于改进贝叶斯优化算法预测蛋白质残基可溶性

蛋白质的残基相对可溶性表征蛋白质残基在三级结构中与溶剂接触的程度,它反映蛋白质三级结构及功能位点的主要特征。文章通过引入免疫算法中的亲和度和浓度概念,提出了一种改进贝叶斯优化算法,形成了贝叶斯优化算法选择局部残基相对可溶性优化依据。利用改进贝叶斯优化算法对2148条蛋白链进行分类实验,分析了窗宽对结果的影响,计算了三组数据在最佳参数状态下平均预测精度为79.7%。与其它方法相比,从结果来看,改进贝叶斯优化算法具有更好分类预测性能。     

BP网络模型的联合优化

针对 BP算法收敛速度慢、存在易于陷入局部极小值等缺点,不能有效地搜索到全局极小点。通过联合优化方法改进标准BP 算法,即通过黄金分割法动态调整学习系数:对 S 函数引入状态系数并进行分段;误差函数采用绝对和相对逼近精度相结合的方法。实验表明在一定程度上避免了学习中的局部极小问题,提高了学习效率,改进了网络的性能。     

协方差测距算法在多维聚类分析中的优化研究

为了在多维聚类分析中运用有效距离度量方法表征数据对象的邻近度,提出一种协方差测距（covariance distance measure analysis,CDM）算法,首先,采用模糊C均值(fuzzy c-means,FCM)方法对数据对象赋予权值,得到每个样本点相对类别特征的隶属度,再依据隶属度计算每个样本的差异度;其次,为了使类别分离最大化,用样本点同关联类别的协方差距离度量代替模糊聚类中欧式距离度量作为优化问题的第一个标准,使相似数据对象更为接近;最后,用样本点间的协方差距离度量作为第二个优化标准,使相异数据相互隔开,交替固定变量迭代计算最优解,使聚类指标和距离度量学习参数同时得到优化,获得更好的聚类结果。在不同数据集上的实验结果表明,与FCM-Sig和UNCA算法相比,CDM算法在聚类准确性和算法收敛性方面均有更好表现。     

基于模糊集理论的Ad Hoc网络优化的研究

为了提高Ad Hoc网络的综合性能,满足不同领域对Hd Hoc网络的应用需求,基于模糊集理论（FST）提出了一种对Ad Hoc网络的优化的方法,构建了包含新增覆盖网络节点数量相对度和剩余能量相对度的评价指标集合、等级标准集合,并定义了评价指标相关的权重. 利用模糊集理论的关系合成运算法则,对Ad Hoc网络重播分组时进行优化,达到了对Ad Hoc网络优化的目的. 基于网络模拟器NS-3对FSTA和BCAST进行了仿真实验测试,通过对网络生命周期、丢包率和网络吞吐率3个性能指标的对比分析和评估,结果表明FSTA优于BCAST,验证了FSTA对Ad Hoc网络优化的有效性,改善了Ad Hoc网络的性能.