降水预测的模糊权马尔可夫模型及应用

中长期降水量的预测是气象科学的一个难点问题，论文首先基于降水过程存在大量不确定性、不精确性的特点，应用模糊有序聚类的方法建立降水丰桔状况的分级标准；然后针对降水量为相依随机变量的特点，采取以规范化的各阶自相关系数为权重，用加权的马尔可夫链来预测未来降水的丰桔变化状况；在此基础上，根据模糊集理论中的级别特征值，计算出具体的降水量；最后以山西省河曲水文站近50年的降水资料为实例，对该方法进行了具体的应用，收到了较为满意的结果，从而为提高中长期降水量预报的精度提供了一条值得探索的途径。     

资源、环境与产业转型的复合生态管理

中国环境污染与生态破坏问题的症结在于管理问题 ,其实质是资源代谢在时间、空间尺度上的滞留或耗竭 ,系统耦合在结构、功能关系上的破碎和板结 ,社会行为在经济和生态管理上的冲突和失调 .生态管理科学旨在运用系统工程的手段和生态学原理去探讨这类复合生态系统的动力学机制和控制论方法 ,协调人与自然、经济与环境、局部与整体间在时间、空间、数量、结构、序理间的系统耦合关系 ,使资源得以高效利用 ,人与自然高度和谐 ,环境经济持续发展 .为解决国家、地区及部门重大生态环境问题提供决策支持、科学依据和管理方法 .复合生态系统管理的热点是生态资产、生态健康和生态服务功能管理 .应用生态管理学包括产业生态管理 ,城镇生态管理和区域生态管理 .综述了当前国内外区域生命支持系统管理和产业转型的生态管理方法 ,如生命周期分析、生态足迹分析等 .     

基于可拓论的工业水分过程系统综合建模

介绍了工业水分过程系统建模的研究方法。该文采用数学机理模型、经验模型、神经网络模型在物元模型的基础上综合方法，建立了大时延、大流量、大范围非线性时变的烟丝水分过程的模型。该模型以数学机理模型的解作为初始点，经验模型作为全局调节器，菱形思维神经网络模型作为局部调节器，从而使该模型更接近于实际工业过程。此方法物理机理明晰、能获得工业过程的全局优化结果、能解决系统中一些结构不良问题等。仿真结果表明：较之三种模型的有效性，对于解决复杂工业过程控制系统问题，可知工程方法是一条可探索途径。     

动态联盟合作伙伴的选择过程与方法

动态联盟使企业具有快速适应不断变化的市场需求的能力。企业组建动态联盟 ,首先就面临着合作伙伴的选择问题。由于盟员选择过程的复杂性 ,一些非结构化的优化方法得到应用。本文讨论了动态联盟合作伙伴的选择过程和基本方法 ,并研究了应用遗传算法和聚类方法实现盟员选择 ,指出了遗传算法选择盟员的不足之处以及聚类方法的优点。     

产业集群复杂网络应用研究框架与展望

产业集群复杂网络应用研究是目前研究领域的前沿问题。在总结国内外研究成果的基础上,分析了现有研究中的基本研究框架和重点研究领域。首先对产业集群的集群演化与集群成长进行了综述,其次,对网络结构与集群创新方面的研究进行了综述,最后对复杂网络与集群风险等方面的应用研究进行了综述。最后,结合复杂网络研究的前沿问题和集群复杂网络的核心内容提出了进一步研究的方向。     

复杂网络隐蔽信道的检测算法研究

为解决某一种隐蔽信道检测算法只能检测某种特定的隐蔽信道而无法检测其它种类隐蔽信道的问题,分析了隐蔽信道的工作方式、数据特征,提出了基于密度聚类的隐蔽信道检测算法。该算法不但能够检测出不同种类的隐蔽信道,也可以检测出这些隐蔽信道合成的复杂隐蔽信道。构建了复杂隐蔽信道的仿真系统,并进行了隐蔽信道检测实验。检测结果表明:在噪声低于20%的环境中,该算法可以快速、准确地检测到复杂隐蔽信道。     

影响植物生长因素的模糊聚类分析研究

通过对影响植物生长因素的模糊聚类分析研究,实现了对主要因素的主从排序,进而形成了对地域、地块的适宜度评价,从而为植物的合理布局与规划提供了可以信赖的数量依据     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

Modeling for UAV resource scheduling under mission synchronization

Unmanned aerial vehicle (UAV) resource scheduling means to allocate and aggregate the available UAV resources depending on the mission requirements and the battlefield situation assessment. In previous studies, the models cannot reflect the mission synchronization; the targets are treated respectively,which results in the large scale of the problem and high computational complexity. To overcome these disadvantages, a model for UAV resource scheduling under mission synchronization is proposed, which is based on single-objective non-linear integer programming. And several cooperative teams are aggregated for the target clusters from the available resources. The evaluation indices of weapon allocation are referenced in establishing the objective function and the constraints for the issue. The scales of the target clusters are considered as the constraints for the scales of the cooperative teams to make them match in scale. The functions of the intersection between the "mission time-window" and the UAV "arrival time-window" are introduced into the objective function and the constraints in order to describe the mission synchronization effectively. The results demonstrate that the proposed expanded model can meet the requirement of mission synchronization, guide the aggregation of cooperative teams for the target clusters and control the scale of the problem effectively.     

自动化系统数据挖掘问题的模拟退火解法

数据挖掘是近年来发展起来的新技术,指挥自动化的辅助决策过程也越来越依靠数据挖掘求解。通过数据挖掘,可以有效地处理海量数据,为正确决策提供支持。模拟退火是一种性能优越的计算智能算法,广泛应用于求解非线性最优化问题。数据挖掘中的数据聚类与模拟退火在本质特性上存在相似,可以将模拟退火应用于数据挖掘。通过蒙特卡罗方法生成随机数据,进行基于模拟退火的聚类分析。算例表明,新方法能够很好地进行数据聚类,具有较好的适用性。