组合BP神经网络在数据挖掘中的应用

在吸收了人工神经网络解决非线性问题优点的基础上,针对数据挖掘的特点,提出了一种组合BP神经网络的数据挖掘方法。该方法是按照一定方式将n个BP网络组合成一个复杂的BP网络模型,并运用改进的启发式BP算法以实现有用模式的挖掘,能够大大缩短训练时间和提高挖掘精度。     

面向路径的测试数据自动生成工具设计与实现

面向路径的测试数据生成问题是软件测试中一个基本问题.采用遗传算法作为数据优化搜索策略,设计并实现了一个而向路径的测试数据自动生成工具PTDAG,同时对实现过程中的程序插装及驱动程序的编写规则等关键技术进行了分析.实验结果表明,PTDAG在源代码进行捕装后,通过模拟对方法的实际调用产生了一组测试数据,完成一组目标路径的测试数据的自动生成,还可以针对某一条具体的日标路径,得到一个相虚的优化测试数据.     

并行路网结构下的浮动车信息处理模型

受GPS定位精度的限制,浮动车在主辅路并行路网结构下进行地图匹配和路径推测存在困难,直接影响路况信息获取的准确性.在现有浮动车信息处理框架基础上,运用统计学方法提升地图匹配的精度,并将主辅路径同时作为车辆的行驶轨迹输出,有效降低了路径推测错误的可能性.最后,引入证据推理框架以解决路径选择策略调整所带来的信息不可信和信息冲突问题.对比实验表明,改进系统在主路和辅路上的路况准确性分别有14.26%和9.46%的提升.     

基于随机截尾数据下Weibull分布的参数极大似然估计与应用

对服从Weibull分布的随机截尾数据建立似然方程,给出形状参数和尺度参数的极大似然估计,通过参数极大似然估计对火箭发动机试车试验数据进行了可靠性评估分析,算例得到的形状参数估计值与实际工程应用的经验估计值十分接近。     

深空通信中提示否定确认型CFDP协议延时估算

为确定空间数据咨询委员会（CCSDS）建议高级在轨系统中CCSDS文件传输协议（CFDP）在深空通信环境中的适应性,研究了CFDP中提示否定确认型文件传输协议（Prompt NAK CFDP）的传输机理。给出了此传输方式的文件传输时延估算方法。分析了误码率、传输速率、协议数据单元的大小与数量,以及提示信息数等对传输时延的影响,获得了深空通信对误码率的要求。研究表明：CFDP可用于深空通信,为其进一步应用和改进提供了参考。     

基于屏蔽数据的航空电源系统可靠性分析

当航空电源系统具有屏蔽寿命数据时,研究逆Weibull型部件可靠性的估计问题.利用Bayes方法和极大似然方法,给出了逆Weibull型部件可靠性的Bayes估计和极大似然估计.利用随机模拟方法对两种估计的结果进行了比较.     

多星任务规划中的FFFS-DTMB与ADTPC-DTMB算法

 多星对地观测任务规划是一类典型组合优化问题,针对该问题中常见的时间窗口冲突问题,根据同一时间窗口内的冲突任务的处理方式提出了两种有效处理此类问题的规划算法：带有冲突任务时间窗口后移的先完成先规划算法(FFFS DTMB)以及冲突任务共存性判断算法(ADTPC DTMB),并给出了关键步骤的算法过程与伪代码。完整的卫星任务规划过程包括了约束检查、优先级检查以及任务规划,不考虑任务间关系与优先级,主要研究处理具有时间窗口冲突的任务规划算法。文中给出的两种算法优化目标均为最大化规划任务数量。算法的主要思路是通过采用一个冲突任务替换一个已规划的任务,并将替换任务后移至下一时间窗口或在同一时间窗口内部后移。最终的评价结果显示了两种算法的有效性。     

工业计算机断层成像系统转台旋转中心的确定

构建一个工业CT(computed tomography)成像系统,转台旋转中心的确定是非常关键的步骤,其定位误差会引起CT图像上的伪影.在详细分析了现存旋转中心确定方法不足的基础上,提出了一种新方法,该方法基于正弦图数据的冗余性,通过计算将正弦图数据总和均分的位置来定位旋转中心.相对现有算法,该方法无须使用模体,亦无需知晓任何几何参数,且基本不受随机噪声影响.实际的实验数据验证了该方法的有效性.      

一种基于DEA方法的反潜巡逻机综合效能评估研究

介绍了武器系统效能分析的相关方法和DEA方法的基本原理,将DEA方法引入固定翼反潜巡逻机效能评价中,针对四种型号的固定翼反潜巡逻机进行了分析评估。还讨论了有效性的含义、效能因素的选择以及评价结果的意义。     

基于Agent模型的机场网络延误预测

准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据。提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现。针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015—2017年全美历史航班和气象数据进行训练学习。为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试。实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80%的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征。另外,通过与其他模型对比,展示了本模型优良的延误预测性能。