基于区域准则的多目标决策方法

分析了代理值置换法（ＳＷＴ）使用中过于加重决策者和计算机负担的缺点，提出了基于所谓区域准则的多目标决策方法。给出了区域准则为常见的目标加权和准则下获取区域准则的两类方法，即改进的Ｚｉｏｎｔｓ－Ｗａｌｅｎｉｕｓ法和基于邻近准则分解和并合的方法。     

不完全信息的离散型模糊随机多准则决策方法

针对状态概率与准则权重均为区间数且准则值有缺失的离散型模糊随机多准则决策问题,设计了一种基于信息集结的新方法.该方法在区分准则类型和确定决策者的风险偏好水平后,首先根据准则类型利用最大、最小算子计算方案集在不同状态下有缺失值的准则上的正、负理想值,再通过决策者的风险偏好水平与正、负理想值补充方案集在不同状态下缺失的准则值,然后参照准则类型与决策者的风险偏好水平集结方案集在不同状态下赋值为梯形模糊数的准则值并进行规范化,接着利用熵与离差最大化分别构建规划模型以求解最优状态概率分布与最优准则权重向量,进而得到方案集的综合评价值并确定排序,最后给出具体算例.结果显示了该方法的有效性和可行性.     

基于多状态空间的动态重构系统安全分析技术

动态重构系统安全机理分析的主要困难在于系统的复杂特性,这种复杂特性集中表现在动态重构系统功能主体的动态变化。这种动态变化导致了难以获得系统的安全机理,即导致危险产生的系统故障状态演变过程。首先分析了动态重构系统功能主体变化带来的多状态空间的分析问题;然后在多状态空间的问题基础上提出了一种危险引导的系统多元故障分析方法,从而分析系统安全机理,获得多状态空间下的系统故障状态演变过程。最后以动态重构航电系统为实例,对这种动态重构安全机理分析方法进行了应用说明。     

舰船噪声的状态空间重构与特征压缩

介绍了以Takens的嵌入定理为基础的状态空间重构混沌信号处理方法，为了降低特征维数、减小特征成分的相关性、突出特征的差异性，同时引入了K-L(Karhtmen-Loeve)变换。利用舰船噪声信号的混沌特性，提出了一种基于状态空间重构与K-L变换相结合的特征提取方法，并用此方法对舰船噪声信号进行特征压缩。计算机仿真结果表明该方法具有较好的分类效果。     

一种新的地景模型简化与快速绘制方法

地景模型是一类重要模型。它可以广泛应用在航空，航天与军事指挥等领域，但由于其数据量极大，如何实现快速绘制是一个难题，本文在分析地景模型数据特点的基础上，提出了地景模型简化的判决准则，并根据该准则提出了基于视点与图像分辨率的区域数据抽取与网格重构方法，以及基于法矢量（梯度）的模型简化及其LOD层次表示，最后进行了实验验证，结果表明，该方法数据压缩量大，绘制速度快，且逼真度无明显变化。     

多状态系统元件重要度定义及其计算

重要度是反映系统中各单元重要程度的一种度量准则。首先提出了多状态系统元件重要度的有关定义，然后给出了多状态系统元件重要度的计算方法。     

简单非线性多次降噪过程中的异常状态

为了降低电子制造企业的产品合格率时间序列中的噪声,采用了简单非线性降噪算法对时间序列进行多次局部降噪.在降噪过程中,在某一邻域半径的重构相空间中出现了大部分点变成了孤立点的异常状态.通过对异常状态与正常状态的对比研究,发现异常状态下的时间序列是不变的,而且该时间序列的最大Lyapunov指数为恒定值,其大小已经接近该降噪过程能够达到的最大Lyapunov指数.在重构相空间中的降噪过程中出现异常状态的意义在于:这种状态下的系统在重构相空间中已经进入一种基本有序的状态,重构相空间中的大部分点之间只存在时间相关性,所以出现异常状态后的时间序列正是降噪所要寻找的最佳混沌时间序列.     

非零和多准则合作型对策研究

讨论了非零和多准则合作型对策的若干问题．定义了Ｐａｒｅｔｏ最优安全策略与安全水平，研究了确定Ｐａｒｅｔｏ最优安全策略与安全水平的规划法，给出了协商可行集的约束条件，提出了改善的Ｎａｓｈ定理，对一类特殊问题研究了最优威胁集的确定方法，并且算例对上述内容进行了验证．     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

基于正交频谱重构的微波三维成像方法

传统微波三维成像方法的回波数据量非常大, 基于目标场景稀疏的压缩感知成像方法虽然可以降低采样率和数据量, 但字典矩阵内存占用巨大, 且对连续分布目标成像效果不佳。针对上述问题, 本文分析了目标回波在三维频域的数据分布特征, 根据构建的频谱正交投影重构模型实现了目标三维频谱的重构。为了进一步优化重构模型, 以最小图像熵作为判别准则对重构的正则化参数进行了最优估计, 并得到最优的频谱重构结果。本文所提方法具有较好的成像效果, 较高的运算速度和较小的内存占用。计算机仿真实验和微波暗室实验验证了本文所提方法的有效性。     

基于边界域条件熵的不确定性度量标准

不确定性度量研究是粗糙集理论的重要问题之一,系统的不确定性是由边界域的存在造成的。根据变精度粗糙集思想,将边界域对象分成弱一致性对象和不一致对象集合。结合信息熵与不确定性间的关系,提出一种基于边界域条件熵的不确定性度量标准。通过理论分析证明,边界域条件熵在衡量决策系统一致性程度时,与普通条件熵具有相同的判别作用;在粗糙集特征约简的启发式条件中与粗糙集正域等效。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

一种基于残差熵的动态模型检验方法

针对时间序列的模型检验与定阶问题,构造了一种新的统计量“残差熵”。该物理量融合了随机序列的相关性和信息论中信源熵的思想,综合反映了残差中所残留的信息量。在正态假设的基础上推导了模型“残差熵”的估算公式,并给出了具体的应用方法。实例计算表明:“残差熵”可用于模型的检验和定阶,极小化残差熵是一种有效的模型检验准则,并与经典的模型检验准则做了性能比较。     

神经网的自适应学习准则及其算法

无教师学习网络具有较强的自适应学习能力。本文讨论神经网的自适应学习准则，包括误差平方和准则，相关准则和模糊熵准则，同时给出相应的学习算法。     

基于QPSO-DGM和熵突变的装备安全性崩溃分析

针对装备安全事故的突发性、复杂性,从系统安全熵“流程突变”角度构建灰色熵突变模型进行安全性崩溃分析。提出了复杂装备系统安全熵、安全熵函数、安全熵势函数等概念,刻画复杂装备系统安全状态从稳定到崩溃的演化机理和过程;建立了复杂装备系统安全熵函数的量子粒子群DGM(2,1)拟合模型,并以拟合值和实际值的灰关联度为适应度函数,提高模型拟合精度;构建装备系统安全熵尖点突变模型,给出安全性崩溃的灰色熵突变判据算法。最后,以某型飞机主起落架控制系统为例,验证了模型的有效性,为定量判断装备系统安全状态提供了新的方法。     

基于熵的入侵检测特征参数选择

传统入侵检测的特征选择方法不但与评估数据的统计特性有关,还与检测算法有关。提出了一种独立于检测算法的入侵检测特征参数选择方法。该方法以入侵检测模型为基础,信息熵为准则。仿真结果显示出用所选特征参数进行检测,不但保证了检测的正确率,而且提高了检测速度,减小了内存资源的占用。     

基于部分交叉验证的多准则序贯近似建模方法

提高序贯近似建模的精度和收敛效率,关键在于制定合理有效的序贯抽样准则。针对如何有效获取目标系统信息进行近似建模,同时提高建模精度和收敛效率,提出了基于部分交叉验证的多准则序贯近似建模方法。通过融合部分交叉验证误差估计准则、极大序贯建模累积变化准则和极大熵准则的特征和优势,可实现对全空间全面抽样和对不规则区域重点抽样,进而提高近似模型的精度和收敛效率。算例测试表明该方法在提高序贯近似建模精度和收敛效率方面可行有效。     

灰指数规律的熵判据

研究了函数为指数函数的充要条件 ,并给出了白指数律的判别准则 .在此基础上 ,给出了灰指数律判别方法 ,对于固定的分量增量 ,离散函数的实际熵趋于最大熵时 ,此离散函数具有灰指数律 .与此同时 ,讨论了灰指数函数的灰性测度问题 ,并给出了灰指数函数的灰度公式.     

New method for discretization of continuous attributes in rough set theory

A new method for discretization of continuous attributes is put forward to overcome the limitation of the traditional rough sets,which cannot deal with continuous attributes.The method is based on an improved algorithm to produce candidate cut points and an algorithm of reduction based on variable precision rough information entropy.With the guarantee of consistency of decision system,the method can reduce the number of cut points and improve efficiency of reduction.Adopting variable precision rough information entropy as measure criterion,it has a good tolerance to noise.Experiments show that the algorithm yields satisfying reduction results.     

基于模糊Renyi熵和区域增长的图像目标分割方法

为了实现快速精确的航空侦察图像目标分割,提出基于模糊Renyi熵和区域增长的分割方法。首先在Renyi最大熵分割的基础上,应用模糊隶属度函数,引入模糊Renyi熵,提高图像分割效果。然后为了获取种子点,提出了基于双金字塔和特征融合的显著性检测方法,并通过形态学重构开运算和区域极大值生成目标核心区域。最后,增长准则设计为将图像分割结果进行二值标记,然后选取与目标核心区域重叠最多的区域块为目标分割结果。实验结果表明,所提方法可实现复杂场景航空侦察图像舰船目标的快速和精确分割。