小样本数据缺失状态下DBN舰艇编队防空目标威胁评估方法

针对海上编队防空目标威胁评估过程中样本数据量较少且易缺失、已有评估方法过多依赖专家经验以及难以进行时间序列上动态评估的问题,提出了基于约束参数学习的动态贝叶斯网络(dynamic Bayesian networks, DBN)威胁评估方法。采用AR(p)模型预测时间序列上的缺失数据,从而获得完备的小数据集样本;在此基础上,根据专家经验构建合理的参数约束模型;进一步利用贝叶斯估计进行参数学习;将学习得到的参数代入DBN中,推理求出威胁评估结果;引入效用理论对威胁评估结果进行排序。仿真实验表明该评估方法在小样本数据缺失状态下目标威胁评估的结果合理,准确性高。     

Heisenberg群上拟线性椭圆方程解的多重性

在Heisenberg群上研究一类拟线性椭圆方程边值问题解的多重性.在全空间中,假设方程的主导系数及导数有界,而方程的非线性项具有超线性增长.由于在该假设下,方程所对应的泛函是连续的,但没有可微性,因此必须使用不光滑临界点理论.首先,介绍不光滑临界点理论中的弱斜率、临界点、(PS)c条件等概念和相关的基本引理;其次,研究泛函的临界点的性质,利用非线性泛函理论、Fatou引理、Lebesgue控制收敛定理和Brezis-Browder定理证明(PS)c序列的强收敛性质;最后,借助推广的山路引理得到该边值问题具有无穷多个解,且这些解是彼此分离的.     

藤甲酰苷纳米乳剂的研制及其特殊安全性评价

目的:研制藤甲酰苷纳米乳剂并对其性质和特殊安全性进行考察.方法:通过单因素考察和正交试验设计优选藤甲酰苷纳米乳剂的处方和制备工艺,并通过形态、粒径、Zeta电位、p H值、粘度等测定研究其性质.通过体外溶血试验、豚鼠全身过敏试验和家兔血管刺激试验考察其安全性.结果:藤甲酰苷纳米乳剂的最佳处方为注射用大豆油20 m L,大豆磷脂2 g,泊洛沙姆1.6 g,油酸钠0.1 g,维生素E 0.25 g.所研制的乳剂外观呈乳白色,平均粒径为151.0 nm,粘度为6.4 m Pa·s,Zeta电位为-18.1 m V,p H为7.6.藤甲酰苷纳米乳剂对家兔耳缘静脉无刺激作用,对豚鼠未见过敏反应,家兔无溶血现象.结论:本研究制备的藤甲酰苷纳米乳剂符合注射用制剂的要求,动物实验表明其安全可靠.     

考虑高超音速目标二次杀伤的舰炮拦截能力

以探讨利用舰炮拦截高超音速导弹(hypersonic missile, HM)的可行性为目的,选取典型武器装备作为攻防对抗原型,开展了利用舰炮拦截HM的研究。通过研究HM破片的动态飞散特性,建立了HM导弹破片的二次杀伤模型,求得了飞散破片的杀伤下界。在此基础上建立了HM三维末制导攻击模型以及舰炮拦截模型,在HM与目标舰艇的动态对抗中全面分析了HM的飞行速度、入射角、战斗部装填系数等与HM平均必须命中数、可达命中数及突防概率之间的关系。结果表明,HM对目标的二次杀伤效果比较明显,对舰炮具有较高的突防概率。     

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络云模型(discrete dynamic Bayesian networks cloud, DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络云模型(Bayesian networks cloud, BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。