一种基于贝叶斯网络的威胁估计方法

为有效处理地面战场威胁估计问题,提出了一种基于贝叶斯网络的威胁估计方法。根据专家知识建立贝叶斯网络模型,通过匹配算法实现态势估计记录与贝叶斯网络中态势节点的匹配,并根据证据可信度及先验概率动态实现态势节点的概率赋值,利用Pearl消息传播算法计算威胁等级节点各取值的概率值,最终获得威胁等级决策。针对一个简化的贝叶斯网络模型,采用该方法进行了不同先验概率及态势下威胁等级的仿真评估,所得结论与人工判定结论基本吻合,表明该方法可有效地应用于地面战场威胁估计领域。     

软件项目进度风险的贝叶斯网络模型研究

为研究软件项目进度风险,给出了进度贝叶斯网络的定义,引入工作节点、时间节点和资源节点等,并在工作节点之间的弧上添加时距;同时为进度安排中的工作不确定性、时间资源不确定性以及资源不确定性等建模。给出了进度贝叶斯网络中的相关计算,提出采用进度贝叶斯网络评估,控制软件项目的进度风险,并就一个简单示例说明了进度贝叶斯网络的应用。     

基于贝叶斯网络的网络安全态势评估方法研究

针对当前网络安全评估系统不能提供有用态势信息的缺陷,提出了一种新的网络安全态势评估方法。将贝叶斯网络应用于网络安全态势评估中,根据多树型网络推理,利用贝叶斯网络的图形结构,提出了由点到面、自下向上相互影响的多元化安全态势评估模型。并将网络及主机工具采集的信息作为事件节点的证据来更新态势节点的概率,并反过来影响事件节点的概率,从而预测网络安全态势。     

一种基于贝叶斯网络和博弈论的信息融合模型

针对多源信息融合问题,以博弈思想为指导构建博弈信息融合模型,在贝叶斯网络表示的基础上提出用于博弈融合模型的融合算法.在具体算法的研究中,按照博弈信息融合模型的要求,对原有的贝叶斯网络算法中节点判断算法和Parzen窗融合算法进行改进并将两者相结合,提出了博弈融合态势评估算法,并从理论上分析了融合算法的最坏时间复杂度.将博弈信息融合模型及其贝叶斯网络算法应用于交通状态预测中,针对交通车流量、车速、车流密度等多源动态问题,构建合适的贝叶斯网络模型,实现交通状态的预测,给出预测的仿真结果.     

贝叶斯网络结构学习的双重K2算法

贝叶斯网络源于人们对人工智能领域不确定性问题的研究,是进行不确定问题推理和数据分析的重要工具。结构学习是贝叶斯网络研究的核心内容,K2算法是结构学习的经典算法之一。为解决K2算法学习效果强烈依赖于节点序的问题,本文提出一种新的混合结构学习算法：双重K2算法。该算法首先将节点信息作为初始节点序,通过K2算法的搜索策略得到初始网络结构;然后在初始网络结构上利用拓扑排序得到修正后的节点序;最后K2算法通过修正后的节点序学习得到最优的网络结构。通过实验验证,在精度和效率上,双重K2算法效果优于其它经典算法。     

数据缺失下基于IOWA TOPSIS的辐射源威胁评估

由于战场环境的高复杂性,侦察方难于获取目标辐射源的完备信息.为解决传统辐射源威胁评估算法不适用于数据缺失情况的问题,引入诱导有序加权平均算子空值估计算法,与逼近理想解排序法相结合,采用CV-G1法赋权,构建数据缺失下基于IOWA-TOPSIS的辐射源威胁评估模型.首先,利用IOWA算子估算空值,解决数据缺失问题;然后,利用基于变异系数法改进的G1法实现对各属性的组合赋权;最后,通过TOPSIS算法对辐射源威胁度进行排序.仿真验证了算法的有效性,该方法拓展了TOPSIS算法使用范围,实现数据缺失情况下的辐射源威胁评估.     

一种新的区间直觉模糊交叉熵及其应用

为了全面反映区间直觉模糊集的不确定性,定义了区间直觉模糊集的3种不确定性因子,即直觉因子、模糊因子和跨度因子;基于这3种不确定性因子,给出了一种新的区间直觉模糊交叉熵,并且证明了交叉熵的相关性质;利用区间直觉模糊集的交叉熵,提出一种确定属性权重的方法,并且根据区间直觉模糊集的加权相关系数,给出了具体的区间直觉模糊多属性决策算法;最后,通过实例分析了方法的可行性和有效性。     

基于二元联系数的三角模糊数直觉模糊集多属性决策

针对用三角模糊数表示的直觉模糊集多属性决策算法复杂又难以开展不确定性分析的问题,应用集对分析中的联系数给出一种新算法.该算法的基本原理是把三角模糊数转换成"均值"加"偏差"形式的二元联系数,再利用二元联系数的除法算得直觉模糊集的商,利用这种商进行多属性决策建模,计算简单又便于作不确定性分析.实例应用表明,该算法可行,结果可信,其他用直觉模糊集表示的决策问题也可借鉴应用文中的方法.     

基于区间值相似度的直觉区间值模糊推理

直觉区间值模糊集具有比直觉模糊集更强大的模糊信息表达能力并且其直觉区间值隶属度和非隶属度的值较易确定.文章利用直觉区间值模糊集进行模糊推理.根据直觉区间值隶属度和非隶属度的值给出直觉区间值模糊集之间相似度和加权总体相似度的计算方法.根据该计算方法给出直觉区间值模糊集上的模糊推理算法.最后通过算例说明所给出的推理算法更符合实际需要,可操作性强,便于应用.     

基于混合DBN的海上编队通信链路威胁估计

针对海上编队通信链路威胁估计涉及因素多、知识表示与推理存在不确定性等问题,分析了海上编队通信链路威胁要素,依据要素间因果关系建立了通信链路威胁估计的混合动态贝叶斯网络(DBN)模型,提出了混合DBN模型中连续型网络节点变量的学习方法。仿真分析证实了该方法的有效性和可操作性。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

利用组合马尔可夫模型的非监督图像分割方法

提出了一种基于边缘辅助的组合马尔可夫随机场模型(E-CMRF),并应用于非监督图像分割.在传统的马尔可夫标号场(MRF)基础上引入边缘二值随机场,二者相互作用构成组合随机场.该模型使用期望最大(EM)算法对待分割图像完成参数估计,并运用动态能量权值提高收敛速度.最后根据贝叶斯定理将图像分割问题转化为最大后验概率的求取,运用改进的Metropolis采样算法求得最大后验概率解.实验结果证明,该分割方法不需要人工给出先验信息,在具备抗噪性等特点的同时提高了分割精度.     

基于贝叶斯决策理论的NSHV分段建模威胁评估

临空高超声速飞行器（Near Space Hypersonic Vehicle,NSHV）具备复杂的运动模式和高动态特点,传统的威胁评估方法运用于NSHV时在评估要素选取和评估动态性等方面存在不足。从NSHV的飞行路径入手,将其划分为3个主要的飞行阶段,通过分析其各阶段运动特点和预警探测、拦截能力等因素,基于贝叶斯推理、决策理论建立起NSHV多阶段威胁评估模型,并通过先验概率将各阶段进行关联,保证了评估的继承性,最终建立典型场景进行仿真验证,仿真结果反映的威胁变化符合NSHV的作战特点和所给观测数据,证明该方法更适应NSHV的动态特性,能够为指挥员进行防御作战辅助决策提供支持。     

直觉模糊三I蕴涵的研究

在Zadeh模糊集理论基础上,将传统模糊推理的合成推理方法(CAI)与王国俊教授的模糊推理全蕴涵三I算法进行分析和比较,得出了后者更加全面合理的结论,然后进一步对模糊三I全蕴涵进行研究,将其与Atanassov的直觉模糊集理论相结合,扩展为基于直觉模糊集的三I蕴涵,并论述了这一扩展的必要性和优点,从而得到了新的研究方向,接着给出了一个新的直觉模糊蕴涵算子,讨论了直觉模糊蕴含的运算性质,最后通过这一算子对直觉模糊三I蕴涵进行了直觉模糊取式问题(IFMP)的求解,得到了基于这一算子的IFMP问题求解算法,并用实例验证了该算法的正确性和合理性。     

基于模糊聚类的神经网络在数据挖掘分类中的应用研究

常见的决策树分类算法、贝叶斯分类算法、神经网络分类算法为数据挖据分类算法研究提供了重要基础。但面对海量数据时,在时间效率、鲁棒性和精确性上都显示出了不足。为此,本文将模糊聚类的思想引入到神经网络分类算法中,首先通过模糊聚类子模型,将样本数据聚为几个数据子集,然后再采用不同的神经网络对各个数据子集同时进行训练学习。由于经过了模糊聚类子模型的预处理,每个神经网络训练学习样本的复杂性大大减少,使神经网络的学习效率大大提高。最后通过UCI下的实际数据库,对提出的分类算法进行了检验,结果显示了基于模糊聚类的神经网络在数据挖掘分类中应用的有效性。     

基于熵权的灰色关联辐射源威胁评估

辐射源威胁评估可为后期干扰资源配置及任务分配提供依据,是机载自卫电子对抗的重要研究课题。针对评估指标少、不全面的问题,从影响威胁等级的距离估计指标、分辨力估计指标、概率估计指标和平台指标出发建立辐射源威胁评估体系,通过参数集输入计算出各指标值;然后运用基于熵权的灰色关联方法,通过熵权法对权重客观赋值,结合最优、最劣关联度,得到灰色关联相对贴近度;最后,对贴近度排序,评判威胁等级。仿真表明,定量计算与定性分析结果的一致说明了算法的有效性;与选取的2种改进算法进行威胁排序与运算时间的对比,其结果的一致和运算时间上的优势说明了算法的可行性和时效性。     

高层建筑火灾风险的神经网络评价

通过对模糊综合评价和人工神经网络评价进行分析比较,表明神经网络采用非线性转换函数的处理方法更符合火灾风险评价的非线性特性。针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出运用遗传算法克服神经网络的这种缺陷,在此基础上建立了基于遗传算法和神经网络的建筑火灾风险评价模型。研究实例证明了此模型的可行性。图1,表3,参11。     

一类非线性位势方程的可解性

为了得到非线性位势方程的可解性,首先利用Schauder估计、嵌入定理以及Holder估计等验证了Leray-Schauder定理的条件,然后再用Leray-Schauder定理证明了一类特殊非线性位势方程解的存在性.