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。     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

模糊聚类与信息熵综合评价法在防空C3I系统中的应用

建立了防空C3I系统总体效能评估指标体系,将模糊聚类和信息熵综合到评判过程中,在充分分析已有算法的基础上,给出了对其系统效能进行评估的基于模糊聚类和信息熵的综合评价方法,并通过算例验证了方法的正确性和实用性。     

"批"概念下的继电控制系统功能仿真

提出模拟继电控制系统中事件的时序的“批”概念,再根据事件传播特性给出了事件模拟算法。利用深度广度结合遍历方式及Tarjan拓扑块划分算法获取线路中元件的电气拓扑——连接矩阵。基于以上两点,再利用继电控制线路图上表达出的驱动元件与开关之间的关系。实现了对继电控制系统的功能仿真。     

人工智能应用中基于区间代数的时态推理

时态表示和推理是人工智能领域的重要研究内容之一,它的应用范围分布很广,从逻辑基础研究到知识系统的应用.区间代数是一种独立的与领域无关的时态理论.用区间代数能表示不确定的时态关系,可以很方便地用于时态推理,表达能力强;时态关系的区间表示比较直观,可理解性强;同时区间代数可以进一步扩展到二维空间领域,即将区间代数拓展为矩阵代数,实现二维空间推理.在一维时态推理中,将时态的区间表示和矩阵表示相结合,在提高计算效率的同时,保持了形象直观的时态表示.     

等离子体改性的4种口腔陶瓷的生物学性能研究

用等离子体活化改性口腔陶瓷材料BGC、HA、β-TCP和双相磷酸钙陶瓷,并用模拟体液(SBF)中类骨磷灰石的形成、体外成骨细胞培养、SEM、XPS、XRD等对其进行表征。结果发现:与活化改性前相比较,等离子体活化改性后的口腔陶瓷材料更有利于类骨磷灰石的形成,并能促进成骨细胞的增殖。活化机理是等离子体中丰富的高能、高活性的粒子轰击材料,使其被刻蚀和粗化,增加了表面的溶解性和提供了更多的活性位点,易使局域的钙、磷离子浓度达到过饱和,更有利于类骨磷灰石的成核和生长。表明等离子体改性提高了口腔陶瓷材料的活性。     

基于密度结构分析的改进FCM混合矩阵估计

欠定盲源分离问题中,针对传统FCM算法(fuzzy C-means,FCM)需要预先设定聚类数目和初始聚类中心,以及聚类结果易受噪点干扰的问题,提出一种基于密度结构分析的改进FCM聚类算法,并利用改进后的算法实现混合矩阵估计.这一改进算法首先用OPTICS(ordering points to identify the...     

基于T-S模型的时变时滞丢包网络控制系统H∞鲁棒控制

针对一类用T-S模糊模型描述的时变时滞和丢包的网络控制系统,设计使得闭环系统均方意义下指数稳定的H∞鲁棒控制器,并满足所给H∞范数指标.已知丢包发生在系统前向通道末端,满足Bernoulli随机序列分布.将描述具有时变时滞和丢包特性的网络控制系统模型离散化,通过设计Lyapunov函数、构造线性矩阵不等式,证明并给出了...     

基于预聚类主动半监督的作战体系效能评估

针对作战仿真实验中体系效能通常依靠专家评估、评估代价较大的问题,提出一种基于预聚类主动半监督学习的作战体系效能评估方法。明确了使用该方法进行作战体系效能评估的基本流程,以及自顶向下的评估模式和二值化的评估标准。重点构建了预聚类主动半监督学习算法,首先,结合作战仿真实验数据的特点,对未评估样本进行预聚类,选择最有价值的样本供专家标注;然后,使用已标注的样本训练主动学习算法和半监督学习算法的公用学习器;最后,利用主动学习算法挑选价值较高的样本交由专家评估,并利用新样本对学习器进行不断更新。作战仿真实验数据表明,该方法在达到预期评估准确度的同时降低了评估代价,能有效应用于大规模作战仿真实验的体系效能评估。