基于蚁群聚类的RBF NN海洋环境下武器效能评估

海洋环境复杂多变,武器装备作战效能影响要素众多并且机理复杂,效能评估问题难度加大。针对海洋环境影响下武器效能的评估问题,将蚁群聚类算法与RBF神经网络相结合,提出了基于蚁群聚类的RBF神经网络武器作战效能评估方法并建立评估模型。通过蚁群聚类算法确定RBF神经网络隐含层神经元的中心值,并且为了得到最优聚类结果,在蚁群聚类中加入了局部搜索。最后,利用样本数据对该模型进行训练,并对特定条件下武器作战效能进行评估,实验证明此评估模型具有一定的可行性和有效性。     

海洋环境下武器装备作战效能自学习评估模型

针对海洋环境影响下武器装备作战效能的评估问题,提出了具有自学习能力的评估模型。将作战效能分级,基于神经网络建立海洋环境要素与作战效能级别之间的非线性映射,通过估计武器装备的作战效能级别获得其作战效能。为提高模型的评估可信度,评估模型增加了自学习能力,可对其本身进行自学习修正。随着样本增加,为提高评估结果的数值精度,对作战效能级别作进一步细分,使得模型中神经网络的结构得以改进。在此基础上,通过对模型的自学习训练即可实现模型的自学习修正。最后针对某作战平台作战效能的评估实例,实验结果表明模型自学习更新后其可信度得到提高,从而验证了所提出的评估模型的可行性。与传统方法相比该评估模型无需依赖专家经验,具有较高的客观性。     

基于 v-SVR 的海洋环境下武器效能评估

海洋环境中各种气象水文要素对海军武器装备的作战效能影响显著,且影响机理复杂,这大大增加了海军武器装备作战效能的评估难度.针对武器装备作战效能评估问题中的小样本、非线性和高维度等问题,文中提出将 v-支持向量回归机(v-support vector regression, v-SVR)模型应用到该作战效能评估问题中. v-支持向量回归机模型最终转化为凸二次规划问题,文中采用基于分解思想的序列最小优化(sequential minimal optimization, SMO)算法进行求解,并对参数选取问题进行了讨论.针对某作战平台的作战效能评估实例,基于 v-支持向量回归机建立了评估模型,实验结果表明了所提评估模型的有效性.基于 v-支持向量回归机的评估模型能够降低对专家经验的依赖,其评估结果具有较高的客观性     

基于V-SVR的海洋环境下武器效能评估

海洋环境中各种气象水文要素对海军武器装备的作战效能影响显著,且影响机理复杂,这大大增加了海军武器装备作战效能的评估难度。针对武器装备作战效能评估问题中的小样本、非线性和高维度等问题,文中提出将v-支持向量回归机（v-supportvectorregression,v-svR）模型应用到该作战效能评估问题中。v-支持向量回归机模型最终转化为凸二次规划问题,文中采用基于分解思想的序列最小优化（sequentialminimaloptimization,SMO）算法进行求解：并对参数选取问题进行了讨论。针对某作战平台的作战效能评估实例,基于v-支持向量回归机建立了评估模型,实验结果表明了所提评估模型的有效性。基于v-支持向量回好机的评估模型能够降低对专家经验的依赖,其评估结果具有较高的客观性。     

基于FSVR的海洋环境下武器效能评估

海洋环境中各种气象水文要素对海军武器装备的作战效能影响显著,且影响机理复杂,这大大增加了海军武器装备作战效能的评估难度。针对武器装备作战效能评估问题中的小样本、非线性和高维度等问题,将支持向量回归机( Sup-port Vector Regression,SVR)模型应用到该作战效能评估问题中会有较好的性能表现。标准的支持向量回归机对每个样本公平对待,而实际中的样本存在重要性的差别,文中将模糊支持向量回归机应用到武器作战效能评估问题中,提出一种根据样本与所有测试样本在高维特征空间的欧氏距离之和的大小来确定每个样本模糊隶属度的方法,从而体现不同的样本对决策函数学习的贡献率差异。实验结果表明,对于样本中存在野点和噪声的回归问题,模糊支持向量机表现出了更高的评估精度。     

基于RBF神经网络的光电装备作战效能评估

为了提高光电装备作战效能评估的客观性,在构建效能评估指标体系的基础上,建立作战效能评估RBF神经网络模型,通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对光电装备作战效能进行评估,结果表明基于RBF神经网络的光电装备作战效能评估模型具有一定实用性和可行性。     

海洋环境下武器效能评估系统的知识库构建

为了解决海洋环境下武器装备效能的评估问题,利用成熟的关系数据库技术提出了一种通用的知识表示方法,构建出海洋环境对武器效能影响评估系统的知识库。首先介绍了知识的两类来源,分析了效能评估知识的特点,表明传统的知识表示方法难以满足该评估系统的计算要求。然后详细地阐述了将规则、函数、算法、模型等统一到一个关系数据库中的通用关系知识表示方法,与一般知识表示进行比较,并根据其特点研究通用关系知识库的知识存储结构以及效能评估系统的推理机。最后给出基于框架知识的知识表示和推理实例。一个完善的通用关系知识库的构建将有助于解决海洋环境下武器装备效能的定量评估问题,为决策提供参考。     

海洋环境探测装备效能评估研究

海洋环境探测装备系统效能评估是一个十分复杂的问题,目前尚属研究的初步阶段。为能实现海洋环境探测装备探测效能的定量评估,在分析海洋环境探测装备的体系与效能的基础上,构建了海洋环境探测效能评估指标体系,提出了一种基于模糊综合评判法的效能评估方法,并建立了评估数学模型。初步实现了对海洋环境探测装备系统探测效能的定量评估,为海洋环境探测装备的发展提供了科学的依据。经仿真验证及对海面风场探测的实例分析,证明了效能评估方法及模型的适用性和可行性。     

BP网络与RBF网络在感官评估中应用比较

介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用.利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示.实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型.     

粗糙集-神经网络在作战效能评估中的应用

为了提高作战效能评估的准确度,将粗糙集理论和神经网络引入到作战效能评估研究中,提出了粗糙集与神经网络相结合的作战效能评估方法.应用粗糙集简化神经网络训练样本数据集,在保留重要信息的前提下消除冗余的数据,仿真实验表明评估精度提高了,并且能获得更好的效果.以坦克作战效能为例,构建了坦克的效能评估模型,给出了基于粗糙集和神经...     

基于AGABP的武器装备效能组合预测

针对海洋环境影响下武器装备作战效能的评估问题,建立了基于BP神经网络的组合预测评估模型。利用神经网络,将多个方案的预测结果作为网络输入,其真实值作为输出,以组合预测模型均方误差最小为目标,属于一种非线性组合预测模型。同时针对BP网络收敛速度缓慢,容易形成局部极小解的缺点,提出了AGABP(自适应遗传反向传播)算法对其进行改进。最后针对某作战平台作战效能的评估实例,在多种单项预测模型的基础上利用AGABP算法进行组合预测,得到了较好的实验结果。     

RBF神经网络在导弹武器系统的可用度预测中的研究

根据导弹武器系统使用可用度的特点,提出基于导弹武器系统影响因素的使用可用度数学模型。由于模型函数难以确定的问题,因此采用RBF神经网络实现对模型函数的逼近,从而实现对导弹武器系统的使用可用度的预测。     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。     

信息化条件下潜艇鱼雷武器系统作战效能评估

该文首先对信息化条件进行了说明,然后分析了作战效能评估的量度方式和模型选取,进而从信息化条件下潜艇鱼雷武器系统的系统组成出发,通过分析潜艇鱼雷武器系统的作战过程得出信息化条件下影响系统作战效能的主要因素,然后采用WSEIAC效能评估模型对系统作战效能进行评估,并给出模型各参数以及参数组成因子的详细确定方法,最后,文章通过给出的一个算例来表明评估结果,即在信息化条件下,潜艇鱼雷武器系统的作战效能得到大大提高.     

基于正负理想点的导弹武器系统作战效能评估

讨论了目前导弹武器系统作战效能评估中的几点不足,提出用正负理想点法来评估导弹武器系统的作战效能.首先给出评估模型.其次,通过对具有典型意义的5种空舰导弹武器系统作战效能进行分析,给出应用示例,并对评估效果进行分析,得出结论.     

一种改进的径向基神经网络预测算法

神经网络是数据挖掘的常用的方法之一,主成分分析方法是统计学多元分析中的一种分析多个变量间内在关系的方法。将主成分分析预处理方法与神经网络结合起来使用,可以分析原始变量间关系,将原始数据降维,减少数据规模。对神经网络算法和主成分分析相关理论进行了研究,在此基础上,结合大量的气象数据和北京的传染病数据,提出了一种改进的基于主成分分析预处理结合神经网络算法的数据挖掘方法。通过对比实验测试,本文提出的组合算法在收敛速度及预测准确性方面的性能有了很大程度提高。结合国家重大专项疾病预测项目,将该方法应用于其中的流行性传染病的预测上。