高斯粗糙面透射波散射系数的基尔霍夫驻留相位法

采用高斯粗糙面来模拟实际粗糙面,根据基尔霍夫驻留相位近似法研究了粗糙面下方介质2中的电磁散射,结合高斯粗糙面的自相关函数导出了不同极化状态下高斯粗糙面透射波散射系数计算公式。通过数值计算得到了不同极化状态下高斯粗糙面透射系数随散射角、散射方位角及入射波频率变化的曲线,讨论了粗糙面参数和入射波频率对不同极化状态透射系数的影响,得出了高斯粗糙面透射系数的基本特征和随频率变化的特征。结果表明粗糙面高度起伏均方根和相关长度对高斯粗糙面透射系数有显著影响,而入射波频率则对其无影响。     

雷达装备试验小子样评估方法研究

密切结合实际试验背景,对在雷达装备试验中应用Bayes理论以减少试验子样数目的方法进行了讨论。以正态总体分布均值参数为例对序贯验后加权检验方法进行了深入的研究。结合雷达探测距离试验的以往实际试验数据和结果进行了对比分析,初步确定应用Bayes方法有可能减少目前沿用的试验方法所确定的子样数目,从而提高试验的效费比。     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

一种基于粗糙集理论的SVM短期负荷预测方法

在分析粗糙集理论方法与支持向量机方法的优势和互补性后,探讨了粗糙集与支持向量机的结合方法,提出了一种基于粗糙集数据预处理的支持向量机预测系统。该系统利用粗糙集理论在处理大数据量、消除冗余信息等方面的优势,减少支持向量机的训练数据,克服支持向量机方法因为数据量太大,处理速度慢等缺点。将该系统应用于短期负荷预测中,与BP神经网络法和标准的支持向量机方法相比,得到了较高的预测精度,从而说明了基于粗糙集理论方法作为信息预处理的支持向量机学习系统的优越性。     

一种基于Rough集的时间序列数据挖掘策略

阐述了基于 Rough集的时间序列数据的挖掘策略 ,重点讨论了时间序列数据中的时序与非时序信息的获取问题 .实践证明 ,Rough集理论作为一种处理模糊和不确定性问题的有效工具 ,对于时间序列数据的挖掘同样也是有效的 .文章强调了时间序列数据中的多方面信息 ,包括原始数据及其变化量、变化率所提供的信息.     

一种改进的图像模糊增强方法

本文在ＰＡＬ提出的用模糊集合理论进行图像增强的方法的基础上，提出了一种用正弦函数进行图像模糊增强的方法，我们对四幅图像进行了处理，并给出了定量的描述结果。     

一种改进的基于效用理论的TOPSIS决策方法

提出了一种改进的TOPSIS决策方法.该方法更多地融合了决策者的主观意愿:用决策者对属性的效用评价代替方案的原始属性数据;用模糊数替代精确值反映决策者对效用值的理解模糊不确定性;同时关注决策者对最佳决策方案属性效用的综合性、均衡性考虑.最后,通过对一个具体决策实例的分析,验证了方法的合理性和有效性.     

点与线的复制：基于网络思维的系统观

＂复制＂是一种普遍存在的现象,其表现为重复、拷贝或再造某种事物、结构或关系。这种现象在生命系统中尤为明显。通过把系统表征为由点（属性）和线（关系）所组成的网络,网络思维可以作为考察各种系统的认知工具。这种思维除了可以进行诸如还原、切出、背景化和层级化等多种表层操作以外,还具有更深层的点和线的复制。以对部分与整体、系统和环境的辨析为引导,本文首先简要回顾了鲁曼系统理论中的系统观发展史,然后以现有系统观的生命系统模式作为框架,提出把复制性作为网络思维的图式（基于点线符号的网络）及其考察的对象（系统）的基本特性,从而为利用网络思维考察各种系统提供新的理论依据和分析视角。     

Rough集理论及其应用发展

论述了Rough集理论在人工智能、认知科学等领域的应用情况,讨论了Rough集理论的发展前景及趋势．论文中较为重要的创新之处的是,基于粗糙神经网络构造了一种从虚拟的场景图像智能化地直接推测符合主观听感的音质效果参数的模型．     

广义维里定理与非谐振子的能级

通过解SchrФdinger方程求束缚态能级的过程非常复杂．采用Killingbeck由广义维里定理和费曼-海尔曼定理得出的无波函数微扰论推导了非谐振子的能级,推导结果与福里格的结果符合得很好,且计算过程简单明了．