民众战争态度构型演化建模与仿真研究

在战争的演化模型的研究中,为了控制和引导社会舆论,民众战争态度演化是战争复杂系统研究的莺要内容之一.考虑持不同战争态度的社会个体之间的相互作用率与其态度距离的关系和从众心理,提出了度量持不同态度社会个体相遇的相互作用率.分析了态度演化的三种过程,确定了不同态度之间转变的转移概率密度,建立了战争态度演化的动力学方程模型.引入一个序参量度量持各种战争态度人数的动态变化,定义了战争态度构型演化的相.仿真结果表明,得到外界支持的态度,最终持有的人数在社会中占多数,外界作用对社会民众态度转变,对大多数人是有效的,但有极少数人仍会坚持原来的态度.     

基于神经网络和小波分解的目标信号检测方法研究

将小波分解和神经网络相结合，应用于高海况、低信噪比条件下水中目标信号的特征提取中。文中首先对信号进行多尺度小波分解，利用目标信号功率主要集中在低频部分的特点，提取在不同频率带内信号的能量作为特征，然后利用人工神经网络对目标信号进行检测。在此基础上，通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算．验证了该方法的有效性，达到了在高海况、低信噪比条件下，目标信号检测率比较高、虚警率比较低的效果。     

P 距离确定信息量的证据合成方法

针对D-S证据理论在对高度冲突的证据进行融合时可能出现与直觉相悖的情况,在对一些经典改进方法分析的基础上,提出一种基于P距离确定信息量的证据合成方法。在保证各证据之间冲突整体最小的情况下,建立证据权重分配模型,利用遗传算法求出权值,根据权值确定各证据的可取信息量,对基本概率分配函数进行转化。实例分析表明,改进的D-S算法具有抗干扰能力强和决策风险低等特点,能提高证据组合结果的可信性。     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法．针对这种划分，提出一种约简和去噪的方法．随后，建立了粗糙集和LVQ神经网络的联合模式识别系统．最后，比较了用该系统和仅用神经网络进行识别的效果，证明了该方法的有效性．     

基于最大后验风险的多层Bayes方法

为了对指数型产品进行可靠性鉴定，首先给出了失效率的多层先验分布，然后从最大后验风险的角度，运用Bayes方法，制定出可靠性鉴定试验方案，按照此鉴定试验方案，缩短了试验时间，从而降低了鉴定试验所需的费用。     

水中目标信号的实时检测方法研究

在对目标信号及噪声背景信号的特性进行分析的基础上，依据目标信号功率主要集中在低频部分的特点，用功率谱估计方法提取低频信号的能量作为特征，对信号滑动地进行目标检测．通过不同浪级情况下海洋水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号正确的检测。     

指数型产品可靠性验收试验的一种贝叶期方法

采用贝叶斯方法,利用大量的历史数据和工程技术人员的丰富经验确定先验分布,制定出验收试验的一种新方案,按照这一方案,在确保产品质量的前提下,可大大节省试验时间,从而得到十分可观的经济效益。     

风浪中船舶横摇仿真与预报研究

对船舶横摇运动进行仿真与预报研究可大大提高船舶航行安全性,更好地保障船舶各项作业的顺利进行.从频谱分析的角度对海上随机风浪进行仿真,并根据刚体平衡原理建立船舶运动方程,由此仿真船舶的横摇运动.在此基础上,针对舰船运动姿态非线性、非平稳的时域特点,运用改进AR模型的多层递阶方法和自回归方法对船舶横摇运动进行预报,结合预报误差指标进行两种预报方法的比较.预报结果表明,多层递阶方法在一定程度上提高了船舶运动姿态的预报精度和预报时间长度,可较好实现非线性预报.     

无信息先验下几种不同Bayes估计的比较

讨论了在二项分布场合关于成功率的不同无信息先验分布下的Bayes估计，并从Bayse风险的角度对它们进行了比较。     

基于AR模型和神经网络的舰船水压信号检测方法

为了有效地从风浪背景中检测舰船水压场信号，根据舰船水压场信号和波浪噪声信号的差异，以时间序列的AR模型理论为依据，采用基于AR模型和神经网络的舰船水压信号检测方法。该检测算法的核心是将检测问题转化为模式识别问题，首先对接收信号建立AR模型并提取AR模型系数作为特征向量，然后利用人工神经网络对信号进行检测。在此基础上，通过不同浪级情况下海浪水压力场的仿真信号数据，对某型目标舰船的水压力信号进行了检测计算，验证了该方法的有效性，尤其是达到了在高海况、低信噪比条件下，对目标信号检测率比较高、虚警率比较低的效果。