基于自适应直觉模糊推理的威胁评估方法

将直觉模糊集理论引入信息融合领域,提出一种基于自适应直觉模糊推理的威胁评估方法.首先,分析了现有威胁评估方法的特点与局限性,建立了基于自适应神经一直觉模糊推理系统(ANIFIS)的Takagi-Sugeno型威胁评估模型.其次,设计了系统变量的属性函数和推理规则,确定了各层输入输出的计算关系,以及系统输出结果的合成计算表达式.再次,分析了模型的全局逼近性,设计了网络学习算法.最后,以20批典型目标的威胁评估为例,给出相应的评估结果,验证了方法的有效性和模型的正确性.实践结果表明,该方法可以提高威胁评估的可信度,改进评估质量,提高推理结果综合值的精度.     

基于贝叶斯网络的战场目标威胁评估

准确地对战场目标的威胁等级进行评估,是战场辅助决策系统的一个重要环节.贝叶斯网是一种进行不确定分析和推理的有效方法.介绍了联合树贝叶斯网络推理算法,分析了战场目标的威胁等级评估涉及的主要因素,建立了相应的贝叶斯网络模型,并进行了实例推理分析,其结果比较准确地反映了目标的威胁程度.     

云贝叶斯网络在目标电磁环境威胁评估中的应用

云模型能够实现定性概念与定量数值之间的相互转换,将云模型这一优点引入到电磁威胁度评估,并结合贝叶斯网络设计出云贝叶斯推理算法系统.以目标电磁空间为背景,利用MATLAB平台对云推理算法系统仿真,得出具体的目标电磁环境威胁程度,检验了该方法的效果.     

空中目标威胁等级评估方法研究

本文提出了一种空中目标威胁等级评估方法,该方法运用了动态贝叶斯网络进行推理、结合专家知识以及对选取高斯分布函数对威胁要素进行量化,构建了基于动态贝叶斯网络的目标威胁等级评估模型。仿真结果表明:该模型可以有效的确定目标当前的威胁等级,该方法符合人类的推理过程。     

基于DFDBN的防空火控雷达威胁评估方法

针对防空火控雷达火控系统的多目标威胁判断问题,提出基于离散模糊动态贝叶斯网络的威胁评估方法。首先,把得到的不确定性数据进行模糊推理,获取威胁评估模型的训练和测试数据,然后,量化等级,同时运用动态贝叶斯网络的推理算法,通过多个时刻目标的同一特征参数相互补充和修正以及同一时刻目标的不同特征参数之间修正,对系统各个时刻观测值或某一时刻观测值进行威胁评估,得出正确的结果。最后,仿真结果表明该方法合理、有效。     

电子战目标威胁评估的折衷排序方法

电子战目标威胁评估是制定电子战作战决策的重要环节,针对电子战目标涉及因素多、各因素不确定性大的问题,建立了电子战目标多属性群决策威胁评估模型,重点对威胁评估指标的选取以及确定进行了讨论,并基于标尺量化函数对定性指标进行量化;采用折衷排序方法 VIKOR对威胁目标排序,从而在整体效用最大的同时达到个体遗憾最小。最后通过进行电子战干扰战情想定下目标威胁能力的评估仿真,验证了威胁评估模型的有效性及算法的可行性,为电子战目标威胁评估提供了一种行之有效的方法。     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

基于LSRBF神经网络的空战目标威胁评估

提出了-种基于Log-Sigmoid型径向基(简称LSRBF)神经网络的空战目标威胁评估方法.采用威胁指数法量化各因素的威胁度,运用工程模糊集方法确定因素的权重系数,在此基础上合成目标总的威胁指数,作为网络的初始训练样本.根据专家经验对不合理样本进行调整校正,得到最终的训练样本,供LSRBF神经网络训练使用.采用标准梯度下降法与指数梯度下降法相结合的学习算法,保证网络具有较强的鲁棒特性.仿真实验结果表明,LSRBF神经网络具有很好的函数逼近性能,可以成功地完成空战目标的威胁评估.     

一种防空系统目标威胁评估方法

提出一种应用于防空系统中的目标威胁评估方法,该方法选取评估目标威胁程度的主要因素,并将其中目标类型因素综合到其他各因素中,同时建立了各因素目标威胁计算的数学表达式,通过加权求和的方法计算目标的威胁度,最终得到目标威胁等级.经仿真平台试验,结果表明该方法能较准确地反映目标的威胁程度.     

贝叶斯网络在空情目标威胁评估中的应用研究

为了实现对空情目标威胁评估准确、方便、快捷的需求,根据贝叶斯网络特点,运用联结树推理算法,将其应用在空情目标威胁评估系统当中。最后通过实例分析,综合敌方的破坏力、机动能力、运动模式及行为企图的先验知识,对其空情目标进行估计,能够直观的理解以及能够很好的获得空情信息。     

Threat Assessment Method Based on Intuitionistic Fuzzy Similarity Measurement Reasoning with Orientation

The aim of this paper is to propose a threat assessment method based on intuitionistic fuzzy measurement reasoning with orientaion to deal with the shortcomings of the method proposed in [Ying-Jie Lei et al., Journal of Electronics and Information Technology 29（9）（2007）2077-2081] and [Dong-Feng Chen et al., Procedia Engineering 29（5）（2012）3302-3306] the ignorance of the influence of the intuitionistic index＇s orientation on the membership functions in the reasoning, which caused partial information loss in reasoning process. Therefore, we present a 3D expression of intuitionistic fuzzy similarity measurement, make an analysis of the constraints for intuitionistic fuzzy similarity measurement, and redefine the intuitionistic fuzzy similarity measurement. Moreover, in view of the threat assessment problem, we give the system variables of attribute function and assessment index, set up the reasoning system based on intuitionistic fuzzy similarity measurement with orientation, and design the reasoning rules, reasoning algorithms and fuzzy-resolving algorithms. Finally, through the threat assessment, some typical examples are cited to verify the validity and superiority of the method.     

基于直觉模糊推理的态势预测方法

在作战辅助决策系统中,针对战场态势预测问题,提出一种基于直觉模糊推理的战场态势综合预测方法.分析了当前态势预测方法的特点与不足;建立了直觉模糊推理规则,设计了推理合成算法和解模糊算法,检验了推理规则的完备性,并引入态势指标的权重向量;最后通过态势预测中的一个具体仿真实例验证了该方法的有效性与合理性.     

含有否定命题逻辑推理的一致性模糊Petri网模型

模糊Petri网(Fuzzy Petri Net,FPN)是Petri网(Petri Net,PN)的模糊化描述的一种扩充.基于FPN模型的模糊推理规则表示和模糊推理已经得到了广泛的研究.传统的方法不能准确表示含有否定命题的产生式规则,并解决正确推理问题.本文讨论了模糊逻辑中否定的含义,将条件命题中的否定理解为其对推理规则的阻碍作用,结果命题中的否定理解为规则中的前提条件阻碍该命题的发生.在此基础上提出一种新的适合于含有否定命题逻辑规则的一致性FPN模型(Consistent Fuzzy Petri Net,CFPN)表示方法,同时在CFPN模型中引入域值的概念,并给出相应的形式化推理算法及相关证明.     

Fuzzy control-engineering for empiricists

The author discusses the development of fuzzy sets in control. The importance of fuzzy sets in control is that they support the formulation of control rules that reflect an operator's natural ambiguity about the meaning of linguistic values, avoiding forced and specious precision in the specification of control rules. In addition, because sharp transitions across set boundaries are eliminated, then the changes in control actions can be smooth and graduated. The key elements in the design of a fuzzy controller are the definitions of fuzzy sets for the input and control variables, and the IF-THEN rules that link these variables. Given that the sets and rules have been defined, then the operation of the controller follows a basic three-step sequence: fuzzification, inference and defuzzification. The author discusses this using the example of a simple controller with two input variables. The author also discusses artificial neural nets and fuzzy control applications     

基于Renyi熵和模糊推理的彩色图像边缘检测

针对有噪情况下提取彩色边缘信息，文章提出了一种基于Renyi熵和模糊逻辑的彩色图像边缘检测方法。利用K-L变换，将彩色图像分割为三个正交彩色特征I^1,I^2，I^3，对含丰富特征的单色图I^1，采用一种基于Renyi熵的模糊推理方法进行边缘提取．将局部边缘信息测度和边缘度作为模糊推理系统的两输入变量，并运用7条模糊规则进行推理，以获得边缘隶属度。实验证明，与常用的边缘提取方法相比，该方法能提取更多的彩色边缘信息并具较好的抗噪性能。     

Fuzzy operator for sharpening of noisy images

An operator is presented which is able to sharpen the details of an image, by applying fuzzy reasoning rules to the input luminance values. The particular processing rules used allow the operator to be insensitive to noise.<>     

Evolving Fuzzy Modeling for MANETs Using Lightweight Online Unsupervised Learning

The study presents a methodology for evolving fuzzy modeling tasks in Mobile Ad hoc Networks (MANETs) based on distributed data-driven fuzzy clustering and reasoning. The fuzzy clustering is exploited for the purpose of learning fuzzy inference rules online. That calls for one-pass Lightweight Evolving Fuzzy Clustering Method (LEFCM) suitable for deploying on mobile devices with constrained resources in MANETs. There is no standard method to determine the optimal number of fuzzy rules and most of the fuzzy systems still apply the trial and error method, unsuitable for online modeling tasks. The proposed methodology addresses the issues of uncertainties, simplicity and speed to run in non-intrusive way. It estimates online the number of clusters and their centers in the input data space, accordingly the fuzzy rules, by online adaptation of the LEFCM threshold value that affects the number of clusters. Adaptation is based on the combination of geometrical and statistical analyses, as well as on incorporating a multidimensional fuzzy membership degree into the clustering process. The proposed LEFCM is proven by using traditional cluster validity indexes and tested on real data sets.     

基于直觉模糊推理的医学图像融合方法研究

针对传统的模糊推理融合方法生成融合图像质量不高的问题,提出了一种基于直觉模糊推理的医学图像融合新方法。根据直觉模糊集的定义,利用直觉模糊理论在处理不确定问题中的优势,制定直觉模糊推理规则,进行图像融合。给出了算法的具体步骤,仿真结果表明,文中提出的算法明显优于传统的模糊推理融合算法。     

基于数据表结构的FPN并行推理算法

通过对模糊产生式规则一般形式的研究，抽取出适用于FPN模糊推理的两类模糊产生式规则。定义并建立了FPN模型，将在图形结构上进行推理的传统Petri网模型映射到数据表结构上．在此基础上实现了对基于规则的正向推理和基于模糊Peari网的模糊推理算法。最后通过实例对该算法进行了检验．结果表明该算法不仅具有简单通用、容易实现和高效的特点，而且还适食于对比较复杂的模糊产生式知识库进行并行推理。