基于相似理论和贝叶斯理论的航材失效率确定

为提高舰载航空装备航材备件保障能力,结合某舰载航空装备供应保障需求,基于相似理论和贝叶斯理论进行航材备件失效率研究。基于相似理论初步确定航材备件的初始失效率,在实际使用数据的基础上,运用贝叶斯理论对初始失效率修正得到后验失效率,最后结合实例进行了理论应用分析。     

基于博弈论的认知无线电网络数据伪造对抗研究

博弈论是认知无线电技术的重要分析工具。数据伪造攻击是认知无线电网络中物理层面临的一种安全威胁,在这种攻击中,攻击者向其他次用户发送虚假的主用户感知数据,进而干扰合法次用户利用空闲的频谱。结合军用认知无线电网络的应用背景,利用信号博弈理论对数据伪造攻击进行建模,建立博弈模型并最终得到了均衡的条件。最后对实验结果进行分析,验证了模型的有效性。     

适用于低速UWB的多径接收算法改进

叉指数优化选择是传统MMSE-Rake(最小均方差Rake接收机)算法的重要组成部分,广泛应用于UWB(超带宽)Rake接收机中。为了提高在低速传输条件下UWB系统对多径信号接收的快速识别能力,提出了一种基于优化抽头系数的MBER(最小误比特率)改进算法,该算法可在不降低多径分辨率的前提下,通过简化Rake叉指数实现快速定位。仿真结果表明,在低速CM3(NLOS信道)和CM4(特殊情况下NLOS信道)多径模拟信道传输条件下,改进后的算法在性能上优于传统MMSERake算法,不仅降低了Rake接收机的复杂度,还提高了信号接收的实时性。     

基于图像处理的闸机口跳闸事件检测算法

文中提出了一种基于图像处理的闸机口跳闸事件检测方法。首先,利用模板匹配的方法进行预处理,得到闸门图像匹配率;其次,根据跳闸事件的连贯性特点,提取一段连续时间序列的匹配率作为分类特征;最后,采取基于最小错误率的贝叶斯分类方法对这段时间序列特征向量进行分类。实验表明,该算法可以有效的检测出闸机口的跳闸事件,具有实时性好、不需要额外的传感器、成本低的优点,具有较好的工程应用前景。     

非线性互补约束规划问题的一个新的QP-free算法

本文研究了非线性互补约束均衡问题.利用互补函数以及光滑近似法,把非线性互补约束均衡问题转化为一个光滑非线性规划问题,得到了超线性收敛速度,数值实验结果表明本文提出的算法是可行的.     

4类图完美匹配数目的递推求法

本文研究了4类特殊图完美匹配数目的显式表达式.利用划分,求和,再递推的方法分别给出了图3-n Z4,2-n(2-C6),2-n(2-K4)和3-n(C4-C6)的完美匹配数目的计算公式.     

基于RST-QFD-Bayes的新型装甲装备通用质量特性评价指标体系构建研究

针对新型装甲装备通用质量特性评价指标体系难以确定的问题,在明确评价指标体系构建原则的基础上,结合新型装甲装备特点,确定了通用质量特性初始评价指标及指标筛选要求,运用QFD将新型装甲装备通用质量特性需求映射为评价指标筛选要求,采用粗糙集理论(Rough Set Theory,RST)确定了指标筛选重要度,考虑到关联度的不确定性及多个专家估计值的平均值和估计值的波动程度,将贝叶斯理论引入关系矩阵的确定中,用区间数确定了关联度,进行了评价指标筛选,构建了新型装甲装备通用质量特性评价指标体系,为新型装甲装备通用质量特性评价奠定了基础。     

基于AHP权重和灰色服务器负载预测的云计算On-line迁移策略

为了克服云计算环境下由于实时用户任务的不确定性到来和服务器性能差异而导致的云计算环境的负载不均衡问题,提出了一种AHP权重获取和灰度算法预测服务器负载的云计算on-line虚拟机迁移策略。首先,设计了基于AHP和灰色服务器预测的虚拟机on-line迁移模型,提出了采用AHP获取虚拟机各资源需求权重,然后,采用灰色模型预测下一时刻的服务器负载,采用此权值向量与各无需迁移的服务器的空闲资源向量进行加权得到加权和,将具有最小加权和的物理服务器作为迁移的目标宿主机。最后,定义了基于AHP权重和灰色服务器负载预测的云计算on-line迁移算法。在CloudSim环境下进行实验,结果表明文中的迁移策略使得云计算在响应用户任务时,具有任务失败次数少、SLA违约率低和迁移成功率高的优点,同时与其它方法相比,具有负载均衡程度高的优点,具有较强的可行性。     

P-CS不确定性量化模型与其性能数据驱动更新方法

在实际工程中, 广泛存在大量的不确定性信息, 直接或间接影响着工程结构形式设计、结构性能评估与预测以及在役结构损伤识别等工作的开展与决策. 这些多源不确定性信息往往需要用多种不同的不确定性量化模型加以描述; 与此同时, 不确定性变量在使用过程中可能随时间变化且难以直接测量, 需要间接根据性能测试信息在使用工程中更新不确定性量化模型. 为兼顾上述两个问题, 本文基于等概率变换原则提出了一种P-CS (probability-convex set) 不确定性量化模型, 该模型将不确定性变量用概率随机变量与非概率凸集变量组合表征, 可统一表达概率模型、非概率模型以及非精确概率模型, 实现多源、多类型不确定性的统一量化. 本文进一步基于贝叶斯理论提出了一种针对该P-CS不确定性量化模型的性能数据驱动更新方法. 该更新方法根据性能测试数据信息更新P-CS不确定性量化模型参数取值的信度分布, 从而根据后验信度分布计算得出当前P-CS不确定性量化模型参数集合. 通过数值算例详述了P-CS不确定性量化模型的构建方法与其概率、非概率特性, 并验证了性能数据驱动更新P-CS模型方法的适用性.      

基于变分贝叶斯优化的近邻采样 PF-SLAM 算法

针对移动机器人同时定位与地图构建（SLAM）中观测噪声随时间变化及粒子滤波(PF)中粒子多样性易丧失问题,提出基于变分贝叶斯优化的近邻采样PF-SLAM算法。采用高斯混合模型对时变的观测噪声建模,使用变分贝叶斯方法,迭代估算出混合模型中的未知参数;同时根据粒子权重将粒子划分为保留粒子和调整粒子,通过两种粒子间的近邻位置分布关系优化调整粒子位置,在处理时变观测噪声同时,解决粒子多样性丧失问题,使得优化的粒子集更好地表示机器人位置概率分布。实验表明,改进算法与传统PF-SLAM算法相比,定位与建图误差降低76%,较期望最大化算法下的定位与建图误差降低了54%,进一步验证了所提算法的可行性与有效性,为移动机器人同时定位与建图提供一定参考。