IDSS中数据仓库和数据挖掘的研究与实现

讨论了数据仓库、数据库知识发现和分布式对象的概念和技术,提出了一种集成化的IDSS(Intelligence Decision Support Systems)的开发环境,将传统的DSS四库结构与数据仓库相结合,把数据挖掘作为一种特殊的模型应用于数据库中的知识发现.同时,在系统实现上采用分布式对象技术,实现接口规范和应用程序相分离.最后进一步对数据仓库的设计与实现及数据库知识发现的设计与实现进行了介绍.     

基于区间灰色不确定语言的工作类型优化方法

针对飞机维修任务工作类型优化过程中的模糊与灰色问题,采用区间灰色不确定语言变量建立工作类型的评价指标和决策模型,提出了军机维修任务工作类型优化方法.对优化方法进行了实例分析,工作类型排序结果和数据对比结果验证了优化方法的可行性与有效性.在某军机上对优化方法进行了工程应用,完成192项初始维修任务工作类型优化,应用结果表...     

基于协调权的案例学习群决策分类方法

基于案例学习的决策方法具有易于理解、贴近 实际决策过程的优点,成为当前决策领域的一个研究热点。文中针对如何有效地集成不同决 策专家提供的案例信息,提出了一种基于协调权的案例学习群决策模型用以解决多属性分类 决策问题。该方法首先针对各决策者给出不同案例数据,通过构建混合整数规划模型,识别 出具有一致案例信息重要度最大化的典型案例集。然后设计了分类阈值远离程度最大化模型 ,以此确定兼容各个决策者案例信息的指标权重（协调权）和最优分类阈值,由此构建一致 性的效用函数并应用获得的阈值进行分类决策。最后通过案例研究以及与其他模型的比较分 析,验证了方法的可行性。     

面向遥感应用的图像融合的原理和方法

信息融合技术可以综合利用多源信息 ,从而获得对同一事物或目标的更客观、更本质认识。由于遥感是目前为止能够提供全球范围的动态观测数据的唯一手段 ,遥感图像信息融合对于航空、航天、军事侦察、灾害预报等很多军事及民用的领域至关重要。本文给出了面向遥感应用的图像信息融合的原理和过程 ,然后综合分析了不同方法的特点。进而在指出其存在的问题的同时 ,还对未来的发展趋势进行了展望。相信本文的工作 ,将为促进相关领域的研究和发展有一定借鉴作用。     

证据推理冲突问题研究

证据推理是一种重要的人工智能方法,广泛应用于数据融合、数据挖掘和智能决策。但 Dempster组合规则对于高冲突情况的处理不是十分合理的。首先研究了几种组合规则的改进方法和造成其缺陷的机理,给出一类组合规则的改进方法,基于有无先验给出两类算法。仿真结果表明新的证据推理组合规则在处理冲突方面的性能得到了明显的改进。     

多传感器决策融合系统中的决策空间优化划分研究

在假定各局部检测器的决策规则已经给定以及在Ｂｈａｔａｃｈａｒｙｙａ距离最大的意义下,对多传感器融合系统中的决策空间优化划分设计进行了研究。首先基于Ｂｈａｔａｃｈａｒｙｙａ距离准则,把对整个系统决策空间的优化划分解耦为分别对各局部检测器决策空间的优化划分;然后从理论上证明了这种划分设计在最大Ｂｈａｔａｃｈａｒｙｙａ距离意义下的最优性,以及这种基于最大Ｂｈａｔａｃｈａｒｙｙａ距离准则进行优化划分设计的合理性;最后,通过对瑞利起伏环境下信号检测融合问题的数值计算表明,本文方法的性能优于基于Ｊ－散度方法的性能。     

民航飞机起飞决断速度的一种计算方法

起飞决断速度是民航飞机起飞过程中一个至关重要的参考速度．其准确与否直接关系到飞机的起飞安全。传统的查表方法确定起飞决断速度有时不够准确，所以提出了一种迭代求解方法．并通过B757—200大型运输机的基本参数计算了其起飞决断速度，将计算结果与查表所得的结果进行了分析比较，证明了该算法是切实有效的．既满足适航要求，又利于工程计算。     

公路运输路线规划决策支持系统的研究与设计

首先对公路运输最短路线问题进行了分析,建立其数学模型,提出采用路段分组策略、局部Dijkstra算法搜索和全局遗传算法优化的综合求解方法。最后,介绍了系统的总体结构和实现方法。     

基于实时状态监控信息的飞机维修决策系统

针对某型飞机虽然已具备机上实时状态监控功能但维修人员只能实施事后维修的问题．应用故障预测与健康管理（PHM）技术．设计了基于数据链的实时状态监控维修决策系统．用于飞机故障预测、故障报告、维修响应和健康管理。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。