一种改进的预测函数控制法

采用正弦多项式的基函数形式代替传统的级数多项式,基于离散状态方程建立了一种改进的预测函数控制方法,与传统预测函数控制方法的区别是基函数的响应限制在一确定的范围内,避免了过大的基函数取值,从而获得更好的控制性能和更广泛的适用控制对象。仿真结果表明,该算法在跟踪速度、控制精度、鲁棒性和抑制干扰能力等方面比原有预测函数控制方法更强。     

一种新的混合基函数在电磁散射问题中的应用

三维电磁散射问题通常采用电场积分方程(electric field integral equation,EFIE)结合矩量法(meth-od of moment,MoM)求解,而基函数是决定矩量法计算精度和效率的重要因素。采用具有降维效果的双线性四边形模型来模拟实际物体表面,提出了一种基于该四边形的混合域基函数,应用于金属物体的电磁散射特性的计算仿真中。该混合域基函数集成了分域基和全域基的优点,结果表明,相比于基于三角形剖分的RWG函数(rao,wilton and glisson,RWG),混合基函数能够在减少未知数个数的同时获得较高的计算精度,具有计算精度高、速度快、内存要求低的特点。     

参数曲面屋顶基函数在电磁散射中的应用

针对基于屋顶基函数的传统矩量法几何建模复杂、计算量大等缺点,提出一种定义在参数曲面上的屋顶基函数,并将其用于矩量法求解电磁散射问题。参数曲面几何建模能用较少的曲面四边形精确地逼近散射体表面,定义在参数曲面上的屋顶基则大大减小了矩阵规模,简化了计算。计算结果表明,与基于屋顶基（rooftop basis function, RBF）函数的传统矩量法相比,所提方法不仅结果精确可靠,而且极大地减少了未知量,同时也节省了计算机内存。     

物元模型在股市预测中的应用

运用可拓学的理论,建立了股价指数的关联函数,并提出了一套利用关联函数在正负域内的变化对股市未来波动趋势进行预测的方法。     

径向基函数网络泛化能力研究及其应用

通过分析径向基函数网络(RBF网络)结构及影响其泛化能力的因素,提出一种通过网络泛化误差自动调节隐层节点数以得到最佳节点数的方法。将采用这种算法的RBF网络用于对船舶焊接变形过程进行建模并预测其输出。仿真表明这种算法可以显著提高传统RBF网络的泛化能力。     

一种新的伤害预测方法及其在防空作战态势评估中的应用

针对防空作战态势评估问题,基于空战作战单元少而精、战场态势变化迅速等特点,提出了一种新的伤害预测方法并将其应用于防空作战态势评估中,用以弥补传统方法在局部战场的实时性分析能力的不足,给出了伤害预测方法的基本原理及其广义化,以及伤害评估的量化方法,建立了基于伤害预测方法的态势评估模型。仿真实验结果表明,伤害预测方法能够对防空作战态势做出有效的评估,并取得较好的实时效果。     

一种改进的BP神经网络预测方法及其应用

本文提出了一种改进的ＢＰ神经网络预测方法。该方法的主要优点有：网络结构简单,收敛速度快,预测精度高,减少了输入参数和样本量,笔者通过对具有高度非线性的股票价格变化进行短期预测,证明了该方法优于传统的ＢＰ神经网络方法。     

预测函数控制理论及其在军事上的应用

分析了预测函数控制方法的闭环控制性能 ,对多变量系统预测函数控制方法和非线性系统预测函数控制方法在理论上的进展进行了综述。重点讨论了预测函数控制方法在导弹控制系统设计和火炮炮塔控制等军事领域中的一些应用 ,并提出了需解决的问题和今后的发展方向。     

一种新的工作流模型及其在产品开发过程中的应用

分析了传统工作流模型的不足之处,在此基础上提出了一种新的工作流模型。文章通过定义活动、参入者、工作流、活动实例、过程实例、发送、工作项、工作项列表八个基本概念建立了这种模型的数学描述,介绍了工作流的运行算法。最后给出了这种模型在产品开发过程中的一个应用实例。     

一种新的集成预测方法——GPVECM

采用基于遗传规划的因子提取方法来解决从大量非平稳数据中提取非平稳因子的问题,并提出一个基于遗传规划与向量误差修正模型相结合的集成预测方法(GPVECM).此方法以预测误差最小化为目标优化了因子提取过程,将因子提取与预测模型有机地集成在一起.本文应用GPVECM方法对中国进出口贸易预测进行了实证检验,取得了良好的预测结果,表明此方法能够有效地提炼数据中的信息,从而提高预测精度,进行有效预测.     

基于探索性分析的时序数据研究

探索性分析是从不同的角度进行建模,找出较优模型的一种方法。提出了基于探索性分析的时序数据挖掘方法,采用线性回归技术建立了数学模型。并给出了1978年到2002年间的中国交通产值变化的实例,建立两种预测模型,采用探索性分析方法对预测模型进行探索性的仿真分析,达到较好的效果。     

粗糙集方法在作战仿真数据挖掘中的应用

粗糙集是数据挖掘的一种工具,目前已被成功地应用于数据挖掘、决策分析、过程控制、模式识别与机器学习等领域。在作战仿真系统中,产生了大量的数据,用粗糙集方法对作战仿真结果数据进行挖掘,可以得出一些有参考价值的规则,可证明粗糙集技术在军用仿真系统中有着广阔的应用前景。     

巡航导弹协同攻击体系目标仿真优化

针对巡航导弹协同攻击体系目标方案仿真优化效率低下的问题,提出了以数据挖掘技术为基础的基于概率规则的仿真优化方法。该方法的主要思想是通过对仿真数据进行挖掘形成知识,并指导方案演化,从而提高仿真优化的效率。首先构造了协同攻击仿真优化问题;其次提出了优化算法的基本框架;重点研究了通过贝叶斯网络学习构建概率规则以及方案演化两项关键技术;最后,采用实例对所提出的方法的有效性进行了验证。     

一种作战模型数值模拟的基本探讨

给出一种作战模型的数值模拟分析 ,讨论了三种作战模式模拟结果的基本数字特征和统计规律 ,并作了相应的统计分析.     

一种基于XML的Web数据挖掘模型

随着 HTML格式的出现 ,Internet得到了迅猛发展 ,面对着浩瀚如烟的数据 ,为了从中发现潜在的、有价值的信息 ,必须对 Web信息进行挖掘 ,但由于 HTML语言特点 ,使得 Web信息的组织结构性很差 ,对于进行 Web数据挖掘工作有很大的阻碍 ,XML语言的出现从根本上解决了这个问题 ,XML语言具有良好的结构 ,层次性好 ,用其对 Web页面信息进行组织 ,有利于进行数据挖掘工作 .本文通过对XML语言的认识提出了一个基于 XML的 Web Miner模型 ,以帮助用户快速、有效的挖掘 Web上的信息.     

语言值关联规则在气象系统仿真中的应用

在信息处理领域,大型关系数据库中的数据挖掘是一个热点,文中应用模糊c－方法算法（FCM）将数据库中记录的值划分成多个语言值,并借助语言值来软化数量性论域的划分边界,由此生成一系列的语言值关联规则。接着文中根据最大隶属原则将数据库中的记录映射到语言值,定义了语言值关联规则的支持率和信任度。最后讨论了语言值关联规则在气象系统仿真中的应用。     

基于信任的真实数据判定方法

互联网已经成为人们获取信息的重要来源, 然而互联网上提供的信息并不全是正确的, 甚至很多信息是相互冲突的. 这种情况一方面是因为很多数据源自身的数据来源也不可靠, 甚至是随意地复制得来的; 另一方面则是因为很多数据源在处理数据的过程中产生了错误, 导致不同的数据源提供的往往是互相矛盾的信息. 不真实信息将会导致使用者决策失误进而给他们造成重大的损失, 因此真实数据的判定是一个非常重要的研究热点. 该研究提出了一种基于信任的方法TruData来找出真实的数据. TruData方法基于数据源相似度构建数据源信任网络, 通过信任网络对数据源和数据项的信任度进行计算, 实现对互联网数据真实度的判定. 实验表明,该方法在对丰富数据集进行真实数据判定方面具有良好的效果.     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

数据挖掘在城市供水系统中的一个应用

针对目前供水系统普通存在的产销差异问题 ,提出了在建立一个基于 GIS的城市供水系统的数据仓库的基础上进行数据挖掘来发现差异显著的区域或管段的一种方法 ,最后给出了一个运用此方法的实例 .