用未确知有理数确定指标主观权重方法研究

指标权重的合理确定对多指标综合评价至关重要。为了进一步提高指标主观赋权的科学性和合理性,文章提出了应用未确知有理数确定评价指标主观权重的新方法,阐述了其基本思想和求解步骤。应用实例表明,该指标主观赋权法计算简单,结论可靠,具有一定的实际应用价值。     

基于状态评估的相控阵雷达T/R组件维修策略研究

针对大型相控阵雷达T/R组件数量庞大、故障频发,且故障类型与多种检测参数有关的特点,提出了一种基于状态评估的T/R组件维修策略。根据T/R组件各测试数据之间的关联规则,构建了T/R组件的综合状态量和单项状态量集;针对常权重系数不能准确反映T/R组件真实工作状态的问题,引入均衡函数,并计算出了各综合状态量的变权重系数,建立了一种较为准确、客观的大型相控阵雷达T/R组件状态评估方法;根据相控阵雷达的参数指标确定了T/R组件的维修阈值,最终对机内自检检测的故障T/R组件进行状态评估,并对评分低于60分的T/R组件进行换件维修。实例计算结果表明,该评估方法和维修策略具有较高的可行性,能够充分发挥T/R组件的剩余寿命价值,对提高装备的保障效能具有重要意义。     

商家评论的情感分类研究和应用

大多数基于有指导机器学习方法的情感分类采用N元(n-gram)词袋(bag-of-words)模型,使用二值(binary)作为特征项的权重。本文系统地分析了信息检索中常用的特征权重计算方法,并从项频、倒文档率、归一化因子等角度加以借鉴和改进,研究其在商家评论上的应用。最主要的改进在于考虑了特征项在不同类别中分布情况的差异以及对倒文档率的平滑。在餐饮评论语料上的实验结果表明,经典的tf.idf若干变形,尤其是倒文档率类差异(delta idf)及平滑因子(smoothing factor)的引入,能有效提高分类准确率。在酒店、电脑、书籍等领域的在线评论公开数据集上也取得了较好的性能,证明了方法的普遍适用性。这一方法目前已经在中国电信号码百事通业务中用于餐饮商家及优惠券推荐,效果良好。     

用于综合评判的一种权重计算方法

在综合评判和决策过程中，属性权重的确定是其中一个重要环节。由于常用方法存在诸多缺点,为此根据信息具有粒度的思想，基于粗糙集两个近似精度来科学定义属性的重要性，并将之作为综合评判中的客观权重。此外考虑到客观经验因素，将客观扭值和主观权重相结合，最后得到有利于正确评价和决策的综合权重。流型识别仿真试验结果表明：文章提出的权重计算方法较为完备，其应用效果优于其它权重计算方法。     

SenLeash：一种无线传感器网络虫洞攻击约束防御机制

针对邻居发现或路由发现阶段可能受到虫洞攻击的问题,提出了一种约束防御机制SenLeash,通过限制消息传输的距离来防御虫洞攻击。SenLeash依赖2个因子：每个节点到初始基站的距离和一个精选的接收距离阈值。基于接收信号强度RSSI,提出了一种nRSSI测量方法,在网络初始化阶段用来测量每个节点到初始基站的距离。基于每个节点的接收概率和MAC层的最大重传次数,对接收距离阈值的选择方法进行了研究。实验结果表明,SenLeash可有效减少由虫洞攻击导致的虚假邻居节点个数和无效回复消息个数。     

通用综合评价系统的设计与实现

针对综合评价的计算问题,设计实现一种通用综合评价系统。介绍系统的功能和架构设计及关键模块的实现方法。系统能实现指标体系管理、权重计算、数据采集和评价分析功能,能支持用户按需建立指标体系模型及采用层次分析法确定指标权重,支持模糊综合评价等多种评价方法。     

模糊综合评判在网络安全评价中的应用

为对计算机网络系统进行较为全面、合理的评价,构造出网络安全模糊综合评价模型。并通过分析影响网络安全的不同因素,建立起基于物理安全因素、逻辑安全因素、安全管理因素的网络安全综合评价体系。     

基于邻居节点相似度的改进DV-Hop节点定位算法

针对DV-Hop定位算法存在的定位精度较低的不足,提出了邻居节点相似度概念,克服了DV-Hop定位算法中节点间距离区分度单一的缺点,同时在多跳通信中,考虑了通信路径的情况,将DV-Hop算法直接计算折线距离代替实际中直线距离这一不足,采用余弦定理和邻近节点相似度对其进行修正。从而实现了对DV-Hop算法的改进,提高了定位精度。最后对改进后的算法和DV-Hop算法以及参考文献中的算法进行仿真比较,结果表明:改进后的算法较DV-Hop算法在节点定位精度上提高了30%以上。     

基于协作中继的多元网络乘积码

相比基于XOR的网络编码协作方案,网络乘积编码协作方案是一种更有前景的抗衰落技术,既能明显地提高误码率性能,又能减少网络中所需要的中继个数。基于协作多址接入场景设计了一种多元网络乘积编码协作方案,通过深入的理论分析表明所构建的网络乘积码能实现近似高斯权重分布,从而能明显地提高误码纠错率。仿真结果也验证了该协作方案相比传统网络乘积码能获得更高的误码率性能。     

基于MapReduce的术语权重计算方法研究

术语识别在本体构建、词典构建等领域应用广泛,而术语权重计算是术语识别中的关键步骤。本文通过改进TF-IDF公式,将组成术语词条的长度作为权重因素之一,同时考虑术语在文档集中的领域相关性。整个过程基于MapReduce编程模型实现,在Hadoop云平台中以分布式方式计算候选领域术语的权重。实验结果表明,该方法不仅简化了术语权重计算的实施步骤,也提高了算法执行效率。