混沌时间序列预测算法的优度评价

将优度评价方法运用于混沌时间序列预测算法评价中,确定评价算法的指标体系。建立混沌时间序列预测算法关于各评价指标的关联函数来刻画各评价对象的优秀程度并计算关联度。计算出各评价对象的优度值,将其用于对各算法的综合优度的比较。实例证明,该方法直观、实用,可为混沌时间序列预测算法评价提供定量的依据。     

舵面电动加载系统的自适应CMAC复合控制

针对无人机舵面电动加载系统具有非线性及多余力矩的特点,提出了一种自适应CMAC(Cerebellar Model Articulation Controller)神经网络与自适应神经元控制器并联构成复合控制结构.该控制策略以系统的指令输入和实际输出作为CMAC的激励信号,以系统的当前控制误差作为CMAC的训练信号.提出了利用误差在线自适应调整学习率的方法,消除了常规前馈型CMAC的过学习和不稳定现象.建立了无人机舵面电动加载系统的数学模型,给出了具体的控制结构和算法.仿真结果表明:该方法有效抑制了加载系统的多余力矩,增强了系统的稳定性,明显改善了舵面电动加载系统的动态性能.     

多传感器数据融合在光电经纬仪目标分离段跟踪的应用研究

针对光电经纬仪在目标分离段容易跟踪假目标的问题,提出应用多传感器数据融合方法实现目标分离段的假目标识别。在目标分离前,根据实测的目标轨迹数据通过理论弹道修正算法计算出理论弹道的误差修正量;在目标分离时,利用得出的误差修正量修正目标的理论弹道,并采用模糊聚类关联算法判断各传感器目标测量数据与修正后的目标理论弹道的相关性,从而识别出测量数据是否来自假目标。实验结果表明该方法能够有效地区分出真假目标,判别结果作为跟踪系统及目标识别系统决策依据,有效提高了目标分离段跟踪成功概率。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。     

基于区间灰数信息的广义关联度模型(英文)

针对传统广义关联度模型在灰数信息背景下的拓展问题展开研究,构建了一类基于区间灰数信息的广义关联度模型。考虑现实背景下众多实际问题的元素值信息难以准确获取,采用区间灰数表征不确定信息,并将灰元信息划分成白部和灰部。在此基础上给出了基于灰数信息的广义关联度模型的求解算法。最后采用商用飞机成本指标选择问题进行实证分析说明模型的有效性。结果表明,该模型能够很好地对指标进行排序,对拓展灰色关联模型有一定的借鉴意义。     

基于灰色关联分析的中国二氧化碳排放量影响因素分析(英文)

如何实现中国碳减排目标已经成为当前的研究热点,为完成减排目标首先要研究中国CO2排放量的影响因素。首先利用灰色关联分析方法选择与中国CO2排放量灰色关联度最高的3个变量:能源消费量、第三产业比重、外贸依存度。协整检验表明中国CO2排放量和3个影响因素之间存在长期协整关系,本文同时建立中国CO2排放量的长期协整方程和短期误差修正模型。运用误差修正模型得到的中国CO2排放量预测值与真实值的比较和得到的统计值均表明本文建立的模型有较好的解释能力和信度。     

基于区间灰数的分布式多目标航迹关联算法

 研究了存在系统误差条件下分布式多目标航迹关联问题,以异地配置的2D组网雷达为背景,分析了时变系统误差对雷达上报航迹的影响,将误差影响下的目标定位看做一种认知不确定性,并给出两种用区间灰数描述这一不确定性的方法。由此提出了一种航迹关联算法,该算法以区间相离度作为衡量航迹间差异信息的测度,建立灰色关联分析模型,并根据灰关联度排序给出航迹关联对。通过对算法的约束条件进行深层次分析,给出了使用算法的先决条件。在常见系统误差环境下的蒙特卡罗仿真结果表明,算法具有良好的抗差性能和较广泛的适用性。     

作战飞机总体设计方案的灰色关联投影评价

给出了作战飞机总体设计方案的评价指标,采用层次分析法赋给每个指标不同的权重,并提出了一种基于灰色关联投影法的作战飞机总体设计方案评价方法。该方法采用灰色关联理论建立各总体设计方案对评价指标集的加权灰色关联判断矩阵,然后利用矢量投影原理计算各设计方案相对理想方案的灰色关联投影值,以灰色关联投影值的大小来评价设计方案的优劣。     

基于SOM和关联规则的民机运行风险

为充分认知民机风险,实现从事故中学习,以重大民机事故(MCAA)为研究对象挖掘出事故深层次的致因特征。针对MCAA信息具有可读性差,系统行为具有非线性导致的无法直接获取运行风险信息,难以直接建立事故致因的关联与映射关系,提出一种从MCAA中学习民机运行风险特征的方法。针对民机运行特点,结合事故信息及认知可靠性和失误分析方法(CREAM),设计出MCAA-CREAM模型,并构建民机多属性技术重大事故数据集。采用自组织映射(SOM)模型,完成对事故的聚类分析和抽象特征映射,以2D地图形式增强风险因素可读性,利用关联规则有效挖掘风险因素间的强关联关系。