基于模糊动态贝叶斯网络的辐射源威胁估计

针对复杂电磁环境下观测数据的不确定性,建立辐射源威胁评估的离散模糊动态贝叶斯网络模型。对连续观测值通过模糊分类函数进行模糊分类,获得连续观测值属于各个模糊集合的隶属度,结果作为离散模糊动态贝叶斯网络的输入。对动态贝叶斯网络的推理算法进行了改进,使其能处理具有多个状态的观测值。仿真结果表明,依据离散模糊动态贝叶斯网络所建立的辐射源威胁评估模型,能够准确跟踪战场态势的变化,及时发现态势的转换边界,而且在观测值出现大量错误时,仍然可以给出正确的评估结果。     

基于变参数动态贝叶斯网的态势评估

针对态势估计系统建立过程中不确定性的知识表示问题,探讨了采用变参数动态贝叶斯网络进行态势评估的方法的必要性和可行性,构建了一种自适应变参数动态贝叶斯网的态势评估系统,提出了基于变参数动态贝叶斯网络的态势评估优化算法,利用数据挖掘技术实现了态势评估变参数的学习;实验结果表明该方法可以通过实时数据动态地修改、完善评估知识库及模型库的信息,使评估模型自适应战场形势的变化,以获得更准确评估结果.     

基于模糊决策树的 UCAV 雷达模式管理算法

无人作战飞机作战态势变化多样,地面指挥人员对机载雷达操控困难.针对不同作战态势下雷达工作模式选择需求不同,为了提高雷达的探测精度,提出了一种基于模糊决策树的无人作战飞机雷达模式管理算法.算法利用专家知识,以敌方目标和模式选择结果的经验数据为训练样本,以作战过程中的实时目标为测试数据.通过样本的模糊信息生成树的属性节点和分支,对测试数据进行推理分类,分类结果以信任度表示,为实时的雷达模式管理方式,并进行空战想定下的仿真试验.结果表明,各模式信任度的取值变化与空战中雷达各模式的需求程度变化相吻合,提高雷达探测精确性,实现无人作战飞机雷达智能管理的要求.     

基于MapReduce的贝叶斯网络参数学习方法

期望最大化(Expectation Maximization,EM)算法常被应用于贝叶斯网络参数学习过程,但在处理海量数据时由于迭代计算过程的复杂性和处理器、内存等资源的限制,该算法的效能受到极大影响;通过对大数据环境下传统线性贝叶斯网络参数学习方法计算复杂性瓶颈问题的研究,提出了基于MapReduce平台的贝叶斯网络并行期望最大化(Parallel Expectation Maximization,PEM)参数学习算法;利用不完备训练样本集,对态势评估贝叶斯网络进行参数学习;仿真结果表明:在大数据条件下PEM算法能够准确的学习网络参数,同时有效减少参数学习所需时间且具有较好的可拓展性。     

结合模糊逻辑的贝叶斯网络在态势评估中的应用

在对数据融合模型和态势评估方法研究的基础上,提出了用模糊逻辑和贝叶斯网络技术结合的方法来处理随机环境中的态势评估。利用传感器获取的信息对整个战场态势作出全面的评估,为在不确定性的动态环境中指挥控制决策提供支持,并对关键技术进行了仿真实验。     

一种基于贝叶斯网络的作战重心评估模型

作战重心（Center of Gravity）是指战役体系中敌我双方的关键环节。作战重心评估是一个经验性、模糊性的过程。贝叶斯网络作为一种不确定知识表示模型,具有概率论及图论基础,对于解决复杂系统决策问题具有较强的优势,适合用于作战重心评估。文中提出并实现了一种基于贝叶斯网络推理的作战重心评估模型。通过该模型,可以定量地评估各个环节对于证据的重要程度,从而确定该作战过程中的作战重心。文中使用联合树（Clique Tree）算法进行贝叶斯网络精确推理,并详细阐述了推理过程中联合树建立,消息传递的过程。最后通过实例验证,基于贝叶斯网络推理的模型能够有效地对作战重心进行定量的评估。     

UCAV对地多目标序次攻击决策研究

在增强无人机战斗力的研究中,针对无人作战飞机(UCAV)对地多目标序次攻击决策问题展开研究,建立多目标序次攻击的决策模型.为提高UCAV执行多目标攻击任务的成功率,决策模型综合考虑了UCAV在整个任务过程中所面临的战场风险,并将决策算法与航路规划问题分解,提出一种基于威胁分布密度的飞机生存概率评估方法,提高了决策效率.将序次决策问题转化为最优搜索问题,利用自适应蚁群算法求解决策问题并给出具体算法流程.仿真结果表明,多目标序次攻击决策方法能有效解决复杂战场环境分布所带来的目标排序优化问题,给出合理的多目标攻击时序,为方案设计提供了依据.     

基于遗传算法的多UCAV动态任务分配研究

为了使多无人作战飞机在复杂多变的动态战场环境下协同性、实时性更优,文章针对多无人作战飞机动态任务分配问题建立了一种扩展的多目标整数规划模型,同时设计了基于模糊集隶属度的混合重调度方法,并采用遗传算法进行求解;对无人作战飞机失效和出现新目标两种动态情况进行仿真实验,与完全重调度进行对比,得到基于模糊集隶属度的混合重调度方法在效率及稳定性方面明显优于完全重调度,说明设计的混合重调度方法及模型在解决多无人作战飞机动态任务分配问题上的有效性。     

基于贝叶斯攻击图的网络安全量化评估研究

针对攻击图在评估网络安全时节点关系复杂、存在含圈攻击路径、只能反映网络静态风险等问题, 将攻击图与贝叶斯理论结合, 提出贝叶斯攻击图的概念, 简化了攻击图并通过优化算法避免了含圈路径的产生; 通过引入攻击证据与CVSS评分系统, 提出了一种新的面向脆弱点的网络安全量化评估方法, 基于贝叶斯攻击图对网络整体及局部的安全状况进行实时动态评估。通过在实际网络中的实验验证了该方法的可行性及有效性, 与传统评估方法相比, 该方法能够动态地反映网络安全的态势变化情况。     

基于遗传算法的动态资源调度问题研究

建立了无人作战飞机任务规划问题的数学模型，提出了分层递阶的任务规划系统结构．针对任务规划的核心资源调度问题，设计了基于遗传算法的动态资源调度算法，有效地解决了多无人作战飞机的资源调度问题，计算结果表明了算法的有效性．     

无人机核心计算机的体系与关键技术

针对无人作战飞机(UCAV)自主控制平台,提出了核心处理计算机体系结构,以满足自主UCAV处理速度、处理能力、智能程度等方面的要求,该计算机是一种集多处理器、神经网络、模糊控制单元于一体的混合结构计算机平台。     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。     

A multi-level ant-colony mining algorithm for membership functions

Fuzzy data mining is used to extract fuzzy knowledge from linguistic or quantitative data. It is an extension of traditional data mining and the derived knowledge is relatively meaningful to human beings. In the past, we proposed a mining algorithm to find suitable membership functions for fuzzy association rules based on ant colony systems. In that approach, precision was limited by the use of binary bits to encode the membership functions. This paper elaborates on the original approach to increase the accuracy of results by adding multi-level processing. A multi-level ant colony framework is thus designed and an algorithm based on the structure is proposed to achieve the purpose. The proposed approach first transforms the fuzzy mining problem into a multi-stage graph, with each route representing a possible set of membership functions. The new approach then extends the previous one, using multi-level processing to solve the problem in which the maximum quantities of item values in the transactions may be large. The membership functions derived in a given level will be refined in the subsequent level. The final membership functions in the last level are then outputted to the rule-mining phase to find fuzzy association rules. Experiments are also performed to show the performance of the proposed approach. The experimental results show that the proposed multi-level ant colony systems mining approach can obtain improved results.     

汽车智能防撞自适应控制研究与仿真

针对汽车防撞模糊控制模型不能自动调整参数的缺点,建立汽车防撞自适应模糊推理模型。采用混合学习算法对自适应模糊推理模型的前提参数和结论参数进行辨识,以加速收敛。经模拟训练和仿真输出结果证明,该模型能够对汽车防撞模糊控制器隶属函数和模糊规则进行优化,较好地实现紧急报警情况下的汽车防撞自适应控制。     

Design for Self-Organizing Fuzzy Neural Networks Based on Genetic Algorithms

A novel hybrid learning algorithm based on a genetic algorithm to design a growing fuzzy neural network, named self-organizing fuzzy neural network based on genetic algorithms (SOFNNGA), to implement Takagi-Sugeno (TS) type fuzzy models is proposed in this paper. A new adding method based on geometric growing criterion and the epsiv-completeness of fuzzy rules is first used to generate the initial structure. Then a hybrid algorithm based on genetic algorithms, backpropagation, and recursive least squares estimation is used to adjust all parameters including the number of fuzzy rules. This has two steps: First, the linear parameter matrix is adjusted, and second, the centers and widths of all membership functions are modified. The GA is introduced to identify the least important neurons, i.e., the least important fuzzy rules. Simulations are presented to illustrate the performance of the proposed algorithm     

NFL:一种基于活动流参数估计的自适应模糊AQM算法

针对主动队列管理（AQM）机制面对动态突变的网络存在参数配置难问题,提出一种将模糊AQM和活动流参数估计策略相结合的白适应AQM算法（NFL）．在综合权衡各性能指标的基础上,设计了一组能适应一定网络变化的模糊规则,并对算法进行了运算优化．为捕获网络突发流,引入了一种基于Bloom滤波器的无状态维护活动流参数估计策略,并依此提出一个模糊AQM输出增益补偿器．实验结果表明,NFL能较好地适应网络变化,相对其他算法,具有更快的收敛速度和稳定的稳态队列控制性能．     

加权模糊推理网络及在水淹层识别中的应用

提出了一种加权模糊推理网络的结构模型和学习算法，该网络的基本信息处理单元为模糊推理神经元，融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点。根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法。该算法具有稳定，收敛速度快，且能较好避免网络学习陷入局部极值点。以油田生产复杂水淹层识别问题为例，验证了模型和算法的有效性。     

基于目标信息估计的分布式局部协调任务分配方法

分布式决策是提高群体自主性的关键技术之一.以侦查类无人机(unmanned search aerial vehicles,USAV)和打击类无人机(unmanned combat aerial vehicles,UCAV)执行协同搜索、攻击灰色目标区域问题为背景,建立了一种考虑局部链式通信、无人机飞行性能和任务执行能力等多约束的分布式任务分配模型,基于贝叶斯定理将任务空间的连续/离散不确定量用任务收益值量化描述.然后,提出了一种基于一致性协调算法的在线协同策略,并利用一致协调理论建立了一种冲突调解规则,在此基础上,设计了一种分布式任务分配求解算法,能够实现多USAV,UCAV的协同多任务快速分配.最后,通过数值仿真,验证了本文算法求解不确定空间任务分配问题的可行性和快速性.     

基于蚁群算法优化的路由频率动态择径的研究

常规的路由频率动态择径方法设置的避障规则存在缺失,导致得到的路由传输路径不是最优,择径时间较长。因此基于蚁群算法,优化设计路由频率动态择径方法。采用栅格模拟传输环境,设置关键信息选取规则;根据路由频率变化规律输入引导因子,实现对路由移动规则的设置;统筹全局,根据蚁群算法计算蚂蚁感知能力,在设置局部区域避障规则的基础上,设置全局避障规则;计算初始信息素与蚂蚁搜索过程中信息素之间的差异,通过补偿信息素浓度得出路由传输路径的最优解。实验结果表明,与常规的择径方法相比,所提择径方法兼顾全局,得到的路由路径优于常规方法且择径时间最短。由此可见,基于蚁群算法的择径方法实现了此次研究目的。     

一种模糊推理过程神经网络及其应用研究

针对带有过程性模糊信息或动态领域规则的时变信息处理问题,提出一种模糊推理过程神经网络.该模型将模糊过程推理规则与数值型过程神经网络的动态信息处理机制相结合,将推理规则表示为过程神经元.利用过程神经网络的学习性质来实现对过程性定量与定性混合信息的自适应处理.分析了模糊推理过程神经网络的信息处理机制,并给出了相应的学习算法.以抽油机平衡诊断为例,实验结果验证了所提出模型和算法的有效性.