熵权与群组AHP相结合的TOPSIS法多目标威胁评估

针对传统TOPSIS法在确定权重系数上面的缺陷和不足,提出了改进的TOPSIS法,该法综合考虑主观和客观因素,将运用聚类分析法得出的各决策专家个人权重应用到群组AHP法中确定目标属性主观权重,并与运用熵权法求解出的目标属性客观权重相融合,得到组合权重.运用改进的TOPSIS法研究空战威胁评估问题,建立多目标威胁评估数学模型,并进行了仿真研究.仿真结果表明该算法是合理和有效的.     

铁路旅客运输服务质量评价分析

长期以来,由于客运服务质量管理的内涵不甚明确,加之客运服务系统本身的复杂性和服务的特殊性,造成服务质量管理多以经验管理为主对其定量分析比较困难,科学管理的依据不足。再则,由于影响铁路客运服务质量的因素众多,对其评价很难量化计算。旅客对客运服务众多的指标评价往往只能用＂好、不好、满意、不满意＂等不准确的定性语言表达,客运服务缺乏科学有效的评价机制、评价方法。     

基于深度强化学习的UAV航路自主引导机动控制决策算法

针对无人机(unmanned aerial vehicle, UAV)航路终端约束情况下航路自主引导机动控制决策问题,采用Markov决策过程模型建立UAV自主飞行机动模型,基于深度确定性策略梯度提出UAV航路自主引导机动控制决策算法,拟合UAV航路自主引导机动控制决策函数与状态动作值函数,生成最优决策网络,开展仿真验证。仿真结果表明,该算法实现了UAV在任意位置/姿态的初始条件下,向航路目标点的自主飞行,可有效提高UAV机动控制的自主性。     

江苏省高校教师参与体育锻炼的现状及对策研究

本文通过文献资料法、调查法和数理统计法,对江苏省高校教师参与体育锻炼的现状进行研究,结果发现：教师健康状况欠佳,他们有正确的体育锻炼态度,但没有形成良好的体育锻炼习惯,体育人口比例偏低,大部分教师体育锻炼项目单一,多与同事、朋友、家人一起在学校的运动场地参与体育锻炼。工作任务繁重是阻碍教师参与体育锻炼的最大因素,其他如运动兴趣、意志力、同伴参与锻炼的积极性、子女教育等对教师参与体育锻炼都有一定影响。要更好地促进教师参与体育锻炼,应提高领导＂健康投资＂理念 促进教师形成正确的健康与体育锻炼观念 加强教师体育工作管理 增加体育经费投入 加强医务监督,科学指导体育锻炼。     

基于FD-TODIM的混杂空战多目标动态威胁评估

针对传统空战态势威胁评估存在“状态失衡”以及难以体现决策者个体行为差异的问题, 首先针对空战过程中多时刻态势信息, 提出基于变权理论的态势权重解析方法, 并结合基于正态累积分布生成时间序列权重的算法, 解决属性参数与权值动态匹配的问题。其次, 基于混杂态势信息, 综合考虑飞行员有限理性和个体行为存在差异的特点, 提出基于模糊动态交互式多准则决策(fuzzy dynamic interactive multi-criteria decision-making, FD-TODIM)算法的混杂空战多目标威胁评估方法。最后, 进行了仿真验证和分析。仿真结果表明, 该模型可充分挖掘历史信息影响, 有效融合多个时刻混杂空战态势的混杂信息, 并根据不同飞行员个体差异, 生成具有实际意义的空战威胁态势评估结果。     

篮球队员投篮命中率的影响因素分析

为提高篮球队员投篮命中率,通过文献资料、数理统计、队员访谈等方法对朝阳市天天篮球俱乐部队员中距离投篮命中率影响因素进行分析.结果表明,持球动作、瞄准点、球的旋转情况、自信心和本体感觉对投篮命中率都有一定影响.由此提出如下建议:加强球性练习,规范持球动作,合理选择瞄准点,控制篮球出手时的旋转情况,提高个人意志品质和抗压能力,强化肢体动作对投篮进球感觉等,为培养篮球后备人才提供借鉴.     

基于过程的UCAV控制权限动态管理方法

针对无人作战飞机(unmanned combat air vehicle, UCAV)自主控制权限管理问题,结合作战过程,建立UCAV控制权限划分模型和基于过程的UCAV控制权限管理模型,设计控制权限调整流程,并进行仿真研究。仿真结果表明,该方法与作战过程和UCAV健康状态紧密结合,动态管理控制权限,合理利用UCAV自主优势,有效减轻地面人员操作负担。     

基于IFE动态直觉模糊法的空战目标威胁评估

针对传统空战多目标威胁评估难以与动态作战态势相结合的缺陷和不足,提出了基于直觉模糊熵（intuitionistic fuzzy entropy, IFE）与动态直觉模糊法相结合的空战多目标威胁评估方法。该方法通过直觉模糊集确定目标属性矩阵,采用IFE算法对目标属性赋权;采用泊松分布法处理多时刻态势信息,计算时间序列权重;建立动态直觉模糊空战多目标威胁评估数学模型,并进行了仿真研究。仿真结果表明该算法是合理和有效的。     

Temperature Prediction Model Identification Using Cyclic Coordinate Descent Based Linear Support Vector Regression

Temperature prediction plays an important role in ring die granulator control, which can influence the quantity and quality of production. Temperature prediction modeling is a complicated problem with its MIMO, nonlinear, and large time-delay characteristics. Support vector machine （SVM） has been successfnlly based on small data. But its accuracy is not high, in contrast, if the number of data and dimension of feature increase, the training time of model will increase dramatically. In this paper, a linear SVM was applied combing with cyclic coordinate descent （ CCD） to solving big data regression. It was mathematically strictly proved and validated by simulation. Meanwhile, real data were conducted to prove the linear SVM model＇s effect. Compared with other methods for big data in simnlation, this algorithm has apparent advantage not only in fast modeling but also in high fitness.     

SAR图像最佳欧式空间距离矩阵匹配方法

在基于尺度不变特征变换算法的合成孔径雷达图像配准算法中,一个特征点通常具有多个主方向,虽然该主方向分配方式可以有效增加正确匹配对数,但是匹配性能会受到特征向量之间的相互影响而下降。文章提出了一种最佳欧式距离匹配方法,该方法通过欧式空间距离矩阵计算待匹配图像两组特征向量集的相似度,获得最佳相似特征点。此外,文章引入代表位置关系的转换距离作为判断特征点空间一致性的依据,有效地消除错误匹配点。与DM等匹配方法相比较,最佳欧式空间距离矩阵匹配方法在匹配精度和匹配效率上验证了其有效性。