干扰条件下地空导弹对空袭编队射击次数模型

干扰条件下地空导弹火力单元对以不同进袭方式进入发射区的空袭编队所能完成的射击次数计算,是地面防空部队迫切需要解决却又缺乏系统研究的难题。为解决这一难点问题,运用解析法,建立了雷达干扰条件下导弹的实际发射距离和对空袭编队的射击次数模型,分别给出了空袭编队以规则流和泊松流形式进入地空导弹实际发射区内滞留时间的计算方法,通过算例分析验证了模型的可行性和有效性,得出了具有实用价值的结论,可为防空射击效能评估、部队作战训练及武器系统研发等提供参考。     

舰艇编队电磁态势预测的动态贝叶斯网络方法

对敌舰艇编队进行电磁态势预测是我方指挥员选择电子战作战方法、制定电子战资源分配方案的基础.引入DBN算法实现电磁态势预测过程中大量不确定、不精确、不完全的知识表示与推理,在分析舰艇编队电磁攻防事件类型基础上,依据事件间因果关系构造了舰艇编队电磁态势预测DBN模型,研究了DBN的推理算法.理论分析和实验结果表明:该方法具有较高的预测准确性,能在一定程度上为指挥员电子战决策提供辅助支持.     

基于运动学模型的移动机器人编队动态变结构控制

针对存在不确定因素影响下的非完整移动机器人的编队问题.本文提出了一种基于运动学模型的编队动态变结构控制方法,即在常规切换面设计的基础上,通过微分环节设计动态切换面,将变结构控制的不连续项转移到所设计控制器的一阶导数中去,进而得到连续的编队控制输入信号.分别对直线轨迹编队和圆形轨迹编队进行了仿真验证,结果表明,所提控制方法不仅具有良好的动态性能及很强的鲁棒性,且可有效抑制系统的抖振,有利于控制器的实际应用.     

空袭兵器战术攻击方向判断模型

着眼于防空作战决策需求,分析了空袭兵器战术攻击方向的影响因素,给出了量化规则,并利用综合评判方法建立了空袭兵器战术攻击方向判断模型,为防空部署决策提供了一种定量分析手段。     

灰色定权聚类的空袭目标归类模型

判断空袭打击目标是一项复杂的系统工程,对空袭打击目标的判断涉及的因素多,量纲不同,数据差别大,信息不全,传统的手工作业和人工定性判断空袭打击目标模式已不再适应信息化条件下防空作战要求的现状.为了解决上述问题,针对防空作战指挥对选择重点掩护目标的科学性和迅速性的需求,根据西方现代空袭打击目标理论,从防空视角,分析了空袭方选择空袭打击目标的影响因素,应用灰色定权聚类理论,采用定性与定量分析相结合的研究方法,建立了现代空袭打击目标归类判断模型,即对防空作战重心的确定分类排序,从而判断空袭所打击目标的重点和顺序.解决了信息不完备情况下多因素模式定量判别空袭打击目标的问题,可以为防空兵力和火力运用提供科学依据.     

基于超网络的水面舰艇编队体系演化模型

 动态演化是研究编队体系（SoS）结构优化和效能评估的认知根基。针对编队实体的异质性、系统的耦合性和体系的涌现性,从信息驱动性、功能涌现性、结构时变性、整体关联性4方面归纳水面舰艇编队的演化特征。分析了编队体系作战要素,将水面舰艇编队体系作战分成战前编队体系张成、战中编队体系对抗两阶段进行体系结构抽象。建立了编队体系的超网络模型,从不同的视角建立超网络概念模型和结构超网络模型。提出了基于超网络的任务驱动渐进演化模型和信息驱动激进演化模型,并给出演化模型的计算方法。通过编队体系作战的计算示例可知,演化模型能有效地动态描述编队体系对抗过程,可为编队结构优化和效能评估提供有力支撑。     

基于模型的基因表达聚类分析技术研究进展

基因表达数据聚类分析能将功能相关的基因按表达谱的相似程度归纳成类,有助于对未知功能基因进行研究.基于判别的基因表达数据聚类方法具有无法准确确定类别的局限性,研究工作已转向具有更好聚类效果的基于模型的聚类方法.文中介绍了常见的基于模型的聚类方法及其特点,并就如何开发新的适合基因表达数据分析的基于模型的聚类算法进行了讨论.     

基于聚类分析和鉴别信息的教学效果评价模型分析

应用聚类分析算法和鉴别信息方法构建一个评价大学生学业水平与学生管理措施之间的相关性模型,基于平均数、中位数、及格率、优秀率和区分度等指标提出一个评价教学改革措施有效性的指标,并分析指标的有效性。将这一方法应用于包含多个课程的9年累计成绩数据,分析成绩变化与相关管理措施的相关性,验证模型的有效性。     

基于动态φ值的领航跟随法多机器人编队控制

针对领航跟随法编队控制在复杂环境下适应能力差的缺点,提出了一种改进的算法,使其对环境的适应性得到了改善。在领航跟随编队控制算法中设置了动态的φ值,当编队的领航者改变方向（或者遇到障碍物改变方向）时,φ值即变为动态的,随着领航者角速度的变化而变化,从而使跟随者路径更加平滑,队形的保持更加可靠。通过player／stage仿真平台验证了改进算法的稳定性。     

基于动态聚类分析的水环境健康风险综合评价

考虑各水期的浓度差异,提出浓度参数综合评判的概念,建立了基于浓度参数综合评判的水环境健康风险评价模型.运用动态聚类分析法将评价结果进行归类,得出风险管理的优先控制等级.将该方法应用于2007年湘江18个断面的健康风险评价研究中.结果表明:各监测断面中砷、六价铬和镉3种污染因子的健康危害较大,其中砷的健康危害最大;采用动态聚类分析将风险评价结果归为4类即:高风险、高-中风险、中风险和低风险.其中松柏下断面健康风险最高,达到3.79×10-4,属于高风险级别,应进行优先控制;黄茶岭属于高-中风险;归阳镇、熬洲、朱亭镇、枫溪、白石、霞湾、马家河、五星、易家湾、樟树港断面为中风险;另外6个断面为低风险.根据综合评判,大部分断面水质已受到不同程度的污染,须加强湘江水环境污染控制.     

基于改进灰色聚类法的大气环境质量综合评价

针对灰色聚类法在环境质量评价中的不足,对其白化函数与权重确定方法进行了改进.指数型白化函数建立了样本值与各等级之间的对应关系,避免了零权重问题,修正聚类权法体现了各污染物在同一灰类之间的变化幅度.应用改进后的灰色聚类模型对福州市2004—2008年的环境空气质量进行评价.结果表明:改进后的灰色聚类法评价结果更为客观、准确.     

基于模糊聚类广义回归神经网络的网络入侵研究

采用结合模糊聚类和广义神经网络回归聚类分析的方法,对5种网络入侵行为模式进行有效的聚类.首先用模糊 c 均值聚类算法将入侵数据分为5类,再将聚类的结果中最靠近每类中心的样本作为广义神经网络的聚类训练样本进行数据训练,训练输出的结果即为该个体所属的入侵类别.实验结果表明:新算法对网络入侵途径的分类精度更高,可为预防网络入侵提供更可靠的数据支持     

采用HK模型的防空反导作战网络建模分析

采用HK网络模型对防空反导作战网络进行建模,对网络度分布、集群系数、平均距离的统计特性进行分析。将网络模型与典型树状结构的防空反导网络和基于BA无标度模型的网络进行比较,表明基于HK模型的防空反导作战网络具有较好的集群系数和无标度特性,同时表明改变TF连接概率进行防空反导网络设计具有更好的灵活性。     

基于遗传算法的一种自动聚类方法

遗传算法(Genetic Algorithm,简称GA)是一类模拟生物界的进化规律(适者生存,优胜劣汰遗传机制)而形成的一种最适应全局优化概率搜索算法。针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题,本文提出了一种基于GA的动态聚类方法,并将它应用到数据库的数据分析中。计算结果表明,该方法是一个具有全局最优解的动态聚类方法,其结果明显好于K-均值聚类算法。     

用聚类-分类模式解决聚类问题

分类和聚类都是常用的数据挖掘方法,分类的优点是准确率较高,但需要带有类别标注的训练集;聚类不需要训练集,但准确率较低。提出一种聚类-分类模式来解决聚类问题,首先通过聚类方法自动形成训练集,然后在训练集的基础上进行分类操作。实验数据表明,提出的聚类-分类模式能够有效提高聚类的准确率。     

基于随机聚类方法建模的序列分析

大数据下的系统发育估计是一个组合优化问题,在有限计算时间内,现有算法很难为大量序列数据的分析提供最优解.基于前人启发式算法,提出了一种系统发育树随机聚类建树方法,可在较短时间内为系统发育过程产生的大规模序列数据提供所有具有进化意义的解及最优解,以揭示发育过程中的序列进化关系.实验结果表明,该随机聚类方法是行之有效的,对生物计算及系统发育相关领域研究具有积极意义.     

基于连通图动态分裂的聚类算法

当前大部分的聚类算法都难以处理任意形状和大小、存在孤立点和噪音以及密度多变的簇,为此,文中提出了一种基于连通图动态分裂的聚类算法.首先构造数据集的l-连通图,然后采用动态分裂策略对l-连通图进行分割,把数据集分成多个互不相连的连通图子集,每个连通图子集为一类.实验结果表明,所提出的算法能够有效地解决任意形状和大小、存在孤立点和噪音以及密度多变的簇的聚类问题,具有广泛的适用性.     

基于动态文本聚类方法的BBS浏览机制研究

BBS作为信息交流的重要载体,包含了海量的各方面的信息,如何从中快速的寻找到有用的信息是一个亟待解决的问题.提出一种基于动态文本聚类方法的BBS浏览机制,并给出具体的实现方案,从实验结果可见,分类效率和效果均良好.     

基于人工免疫粒子群优化算法的动态聚类分析

模糊C-均值聚类算法受初始化影响较大,在迭代时容易陷入局部极小值。将粒子群优化算法与模糊G-均值聚类算法相结合,提出一种新颖的动态聚类算法。该算法利用人工免疫思想改进粒子群优化过程,在很大程度上避免了粒子群算法和聚类算法早熟现象的发生,全局搜索能力和局部搜索能力优于同类算法。利用聚类理论中的经验规则kmax≤√n确定聚类数k的搜索范围,在最优粒子基础上进化新一级种群,该方案可有效提高算法的收敛速度。两组数据的仿真实验表明,新算法优于传统模糊C-均值聚类算法,具有收敛速度快和解的精度高的特点。