基于ASP的试卷生成与管理系统设计

利用ASP技术开发设计试卷生成和管理系统.分析和解决了系统数据库安全问题、模块设计问题和算法的设计实现问题,并提出一种比较简单快速的试卷生成算法.     

基于D-S证据理论的多传感器目标识别信息融合方法

多传感器目标识别系统中多个信息源之间证据高度冲突时,采用传统的D-S证据理论进行信息融合有一定的缺陷。根据信息源间证据冲突的程度,提出了一种新的证据融合算法,该算法依据少数服从多数的原则,首先根据信息源间冲突程度的计算出各信息源权重,再采用D-S组合规则对加权后的信息进行组合。算例分析结果证明了该方法在用于多传感器目标识别系统的有效性和优越性。     

不确定信息下基于证据推理的武器系统戒备率评估方法

在对武器系统戒备率内涵分析的基础上,建立了武器系统戒备率指标体系.针对评估过程中需要处理大量定量或定性的模糊、未知等不确定信息的问题,构建了基于信度的戒备率评估模型,并提出了基于证据推理的武器系统戒备率评估方法.该方法能够综合处理各种定量、定性的不确定信息,最后运用该方法对某武器系统的戒备率进行了评估.     

存在冲突证据下的证据推理多属性决策方法

针对传统的证据推理方法对证据冲突处理能力的不足,在引入冲突参数的基础上提出了新的证据推理算法,通过证明,新算法完全满足证据合成的4个公理.基于方案集间冲突参数对决策结果影响差异最小化原则,提出了新的冲突参数优化模型,最后通过实例仿真,论证了新算法对解决证据间存在冲突时的多属性决策问题的可行性和优越性.     

导弹武器戒备率评估系统设计与实现

戒备率是导弹武器系统一项重要的战术技术指标,分析评估导弹武器系统的戒备率,可以为导弹武器系统的研制和作战使用提供重要决策依据。为了快速准确地得到导弹武器系统的戒备率,基于C#.NET开发了导弹武器戒备率评估系统,利用安全性和效率较高的数据库技术完成评估信息的管理。系统采用人工神经网络的评估方法,利用混合编程技术完成导弹武器戒备率的评估。该系统可以实现对导弹武器系统戒备率的快速评估,并可以定量分析不同因素对戒备率的影响,对戒备率评估技术的研究具有重要的现实意义。     

基于信息熵与证据推理的不确定多属性决策方法

针对不确定多属性决策过程中信息特征呈多样化且属性权重完全未知时难以进行决策的问题,提出了一种基于不确定信息熵的权值计算方法。该方法首先将各种不确定信息转换到统一的信度框架下,计算出不确定信息熵从而获得属性客观权重值。该方法结合证据推理法可实现属性权重未知时不确定信息下的多属性决策。最后以应用实例验证了该方法的有效性和可行性。