区间型时间序列数据的点预测方法研究

区间型时间序列数据大量存在,但在时序数据的预测方法中,对这种类型的数据进行点预测没有相关研究。借助支持向量机(SVM),在区间时间序列数据回归算法的基础上,通过区间数据相空间重构,建立了时间序列的支持向量区间预测SVIP方法。在实验仿真环节中,通过两个仿真实例验证了该方法的良好性能,同时与采用Elman神经网络方法的预测结果进行了分析比较,说明了SVIP方法的优点。     

联合防空侦察预警系统探测能力浅析

侦察预警系统对空中目标的探测能力,是评价防空武器系统作战效能的一项重要的综合性能指标。不同的系统探测能力存在优劣之分,应对其进行客观评价,针对这一需求,建立了联合防空侦察预警系统探测能力模型。该模型提出了一种采用性能比加权求和法计算发现概率的改进算法,引入探测能力与隐蔽能力比,计算了空天预警子系统的发现概率。并结合实例,分析和计算了联合防空作战条件下预警系统对各种不同目标的探测能力,以定量的形式为侦察预警系统建设提供可信的依据。     

基于支持向量机的非对称区间回归分析

针对区间回归中上、下2个端点的误差范围不相同的非对称问题,建立了Fitness、Possibility 和Necessity 3个回归模型,对区间样本的中心趋势和最大、最小可能边界进行综合分析,并引入支持向量机,区分线性和非线性两种情况,提出了非对称区间回归支持向量机AIR-SVM(asymmetrical interval regression SVM)算法,对非对称区间数据集回归估计进行了分析.通过3个数据仿真实验,检验了提出算法的良好性能,有效地解决了非对称情况下精确数输入-区间数输出的区间数据回归问题.