基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计,为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息,难以有效处理包含定性、定量数据的目标特征信息。基于此,提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上,引入前件影响矩阵和后件影响矩阵对定性数据进行处理,使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数;为了进一步提高模型的输出精度,将自适应模糊神经推理系统的输出层替换为多项式神经网络;通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识,确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性,与其他混合属性数据建模方法相比,所提方法具有较高的预测精度,可为作战指挥决策提供有效的辅助支持。     

由教育产业化引发的思考

从教育属性、义务教育、城乡二元结构及教育产业化的危害等方面,阐述了教育是一种崇高的公益事业,应向一切能够接受教育的人提供教育,指出推行教育产业化违背了教育宗旨和办学方针,也损害了人民群众的利益。     

基于BIM技术的道路信息模型标准框架研究

BIM技术被誉为建筑工程领域第二次技术革命,但在其发展进程中仍有许多问题亟待解决.针对BIM标准研究与实际工程存在的脱节问题进行讨论研究,对比国内外BIM标准研究现状,以《中国建筑信息建模编制框架》(CBIMS)为研究基础,以道路模型为研究对象,参考CBIMS中的技术标准框架,给出了道路BIM模型标准框架.通过对道路工...     

对利用属性特性挖掘粒关联规则算法的改进

目的:针对时间效率不高的问题,对利用属性特性挖掘粒关联规则的算法进行改进。方法:在分析粒计算有关定义和原有算法的思想的基础上,调整原有算法的相关流程顺序,同时设置相关标志位避免对部分数据集重复组织包含关系的操作。结果:通过相关实验证明,有关改进有效减少了算法所需操作步骤,降低了时间消耗。结论:通过调整流程顺序和设置标志位的方法,有效减少了原有算法的挖掘时间,具有一定实用性。     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于Skowron差别矩阵的建筑施工安全评价指标约简

为了科学合理地对建筑施工现场安全评价指标进行优化,在结合相关规范标准和实地调研的结果等基础上,构建了建筑施工现场安全评价的指标;然后,运用粗糙集理论中Skowron差别矩阵对指标进行了约简。结果表明:在不影响结果的前提下,通过约简,建筑施工现场安全评价指标由15个缩减为5个,减少了后续的评价工作量,同时也为建筑施工现场预防安全事故提供指导。     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下,为了避免或减少钻井事故的发生,达到优质快速钻井的目的,选择合适的钻井液体系至关重要。基于案例推理（CBR,Case-Based Reasoning）的钻井液设计中,钻井液体系由岩性、井型和井深等属性推理得出,但属性权重的分配会对推理结果产生显著的影响;遗传算法在优化属性权重时,存在收敛速度慢、收敛精度低的缺点。针对上述问题,提出一种解决CBR中属性权重分配问题的改进遗传算法。首先,对遗传算子进行改进：选择算子方面,利用指数尺度变换法优化个体选择;交叉算子方面,对算术交叉中的比例因子进行自适应调整;变异算子方面,改进个体变异方向,保持种群多样性。其次,从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后,通过对UCI数据集的对比实验,证明了改进后的遗传算法能改善全局收敛性能,提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中,实验结果表明,所提方法能够优化属性权重的分配,进而提高钻井液设计的质量。     

论消费动机在室内设计中的类型及影响

通过对室内设计中的消费动机进行研究,可以更加理性与系统地将其作为室内设计的依据之一。同时,室内设计师只有深入系统地了解了有关室内设计中消费者的消费动机,才能在设计中有所侧重,从而做到有的放矢、胸中有数。     

基于模糊C均值聚类的粗集理论连续属性的离散化新算法

讨论模糊C均值聚类算法在决策表条件属性对决策属性的相容程度的指导下对粗集理论中的连续属性进行离散化的一种新算法。该算法充分考虑属性之间的相关性，将所有连续属性转化为矩阵同时处理，能明显提高传统动态层次聚类算法离散化过程的速度。算法测试结果表明，新算法能较好地保留有效属性，提高离散化精度。