基于模式识别理论的内燃机状态识别研究

用模式识别的理论和方法，对内燃机气门间隙的识别问题进行了探讨。在分析气门振动力学模型的基础上，通过测取振动信号获得故障特征信息，用模式识别的来日方长 方法，在建立状态特征模式空间的基础上实现对故障分类识别。考虑到内燃顶振动信号的复杂性，采用了外触发采样和有效截取的方法进行信号的数据采集和分析。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

基于模糊集合理论的船舶碰撞危险度模型

为了解决多船避碰决策过程中避让行动优先级问题,提出一种基于模糊集合理论的船舶碰撞危险度确定模型。选取最近会遇距离、最近会遇时间、船间距离、相对方位、船速比5个因素建立碰撞危险度影响因素集,并确定各因素评价集、评价指标以及各参数的隶属度函数,经模糊综合评价得到船舶碰撞危险度计算模型。设置两船交叉会遇以及多船交叉会遇2种会遇局面进行仿真实验,实验结果验证了该模型的有效性。     

基于横摇过程的舰船破损模式识别算法

在舰船破损进水过程的横摇运动时域模型的基础上,求解得到横摇运动的时域曲线;对此时域曲线通过特征提取得到其破损模式的识别属性;通过案例推理技术建立舰船破损模式识别算法.该识别算法的实现可为舰船抗沉决策提供准确的破损信息,有利于舰船的防沉抗沉.     

基于模糊集理论的多层次船舶安全性评价模型研究

利用模糊集理论对于船舶的安全性进行综合评价研究,通过隶属度函数将船舶安全性分析的多种复杂模型信息定量化研究,采集关于船舶安全性的多种信息进行分析评价。根据采集到的多方面综合信息,通过隶属度函数的确定进行定量分析评价。从评价结果可看出,本文提出的基于模糊理论的多层次船舶安全性评价模型具有实际使用价值和较高的准确性。     

企业人力资本投资决策模型的建立与应用——基于"模糊集"理论

以“模糊集”理论为基础,尝试在人力资本投资决策中建立模型,并对此模型的应用进行简单举例说明。     

基于似然的航迹关联算法研究

文章以分布式多目标跟踪系统的航迹关联问题为研究对象,提出了四种基于似然的航迹关联算法,这两种算法通过建立似然函数来反应航迹间的相似程度,使航迹关联问题突破了样本容量和典型分布这两条限制,最后给出了典型环境下两种似然航迹关联算法的仿真,结果表明基于似然理论的航迹关联准则,能够达到比较满意的关联效果,体现了似然理论在解决航迹关联问题时的优良特性。     

基于匈牙利求解的航迹关联算法研究

针对多传感器数据融合系统中,航迹关联是按一定准则连接具有共同源的航迹的分配过程,引入匈牙利法求解航迹关联问题.通过建立关联矩阵,将航迹关联问题转化为运筹学中的分配问题,采用匈牙利算法求得最优解,获得最佳的航迹配对.仿真试验的结果表明该方法简单有效、计算量小,易于实现.     

基于拓扑相似度的航迹关联算法

航迹关联是分布式多雷达数据融合系统中的关键问题,多个雷达对同一目标观测的局部航迹,在系统偏差的影响下相差很大,传统的基于统计和模糊的思想,通过目标位置、速度等信息进行关联判决,难以达到更好的关联效果。文章基于目标之间的拓扑信息,提出了一种新的航迹关联算法,该算法能避免空间划分不均匀、算法经验性太强、对密集航迹场景不适应等多种问题。仿真实验表明该方法具有较高的关联精度和鲁棒性。     

基于相关性精简关联规则生成算法

针对传统基于支持度-置信度桩架关联规则挖掘算法生成规则只考虑支持度和置信度的因素、没有考虑规则两者本身内在的关系并因此产生大量无效的规则的情况,提出了一种采用相关性精简关联规则产生的算法,此算法增加了一个度量——相关性来精简关联规则的产生。实验表明该算法在继承传统算法的优点的同时在一定的程度上提高了规则的有效性,降低规则冗余。     

灰色犹豫模糊集及其灰关联TOPSIS决策方法

犹豫模糊集作为模糊集的最新扩展形式,在处理部分确定、部分不确定新方面有其独特的优势.在现实的犹豫模糊决策中,决策信息往往呈现部分信息已知,部分信息未知的特征,体现为灰信息的形式.基于此,文中提出了一种新的灰色犹豫模糊集合(gray hesitant fuzzy set,GHFS),将犹豫模糊集扩展到灰集领域.文章还给出了灰犹豫模糊元的距离计算公式,提出了GHFS的灰关联加权和TOPSIS(technique for order preference by similarity to an ideal solution)决策方法.专业市场发展策略的算例表明了方法的有效性与实用性.     

舰艇受损舱室的破损模式识别算法

为了方便舰员准确地判断破损进水的舱室,建立仅依赖舰艇姿态信号进行舱室破损模式识别的算法。使用宽度优先搜索以及回溯查找,建立舱室破损模式空间集的生成算法;依据信息熵理论建立识别属性集的权重计算模型;使用基于“垂面距离”的逼近理想解排序法,建立舱室破损模式识别算法。对某船模的破损模式识别进行实船计算,计算结果表明该识别算法准确、客观。     

基于位置信息的多传感器数据关联

提出了基于位置信息融合的多传感器数据关联的理论算法，并进行了理论仿真计算，结合海上试验数据进行了验证比较。     

基于神经网络的多传感器模糊航迹关联算法

文章以模糊数学中的隶属度概念为基础,针对分布式多传感器系统中的多节点情况,提出了一种航迹关联的多维分配方法。多维分配问题是是一个完全非确定性多项式问题,很难找到问题的最优解,而且其计算量容易出现指数爆炸现象。文章提出了一种新的三维神经网络模型用以解决三维分配问题。仿真实验结果表明,文章提出的人工神经网络模型不仅使航迹关联具有较高的关联正确率,而且计算时间短,其计算时间不会出现指数爆炸现象。所提出的三维神经网络模型同样可以推广到多维情况,以解决航迹关联的多维分配问题。     

基于正态分布判别函数的航迹关联双门限算法

雷达和电子支援（Electronic Support Measurement，简称ESM）传感器的航迹关联是异类多传感器数据融合研究方面的重要前提。以往对于关联判别函数的选取，多采用X^2分布，这使得在某些实际应用中，通常会出现计算量大，确定门限闭值复杂的问题。基于正态分布关联判别函数的航迹关联双门限算法，在门限阈值的选取上直接采用正态分布中的分位数概念，避免了X^2分布中选取阂值的复杂过程。通过仿真试验，验证了决策规则的第一类风险和第二类风险，表明该方法能有效地判决航迹的关联问题。     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法,该方法是将多传感器的测量数据进行自组织聚类,从而实现测量数据的关联,利用融合估计完成对多目标的状态估计.计算机仿真结果表明了该算法的有效性.     

基于Kohonen神经网络的多传感器数据关联算法

提出了一种基于Konhonen神经网络的多传感器多目标跟踪数据关联算法，该方法是将多传感器的测量数据进行自组织聚类，从而实现测量数据的关联，利用融合估计完成对多目标的状态估计，计算机仿真结果表明了该算法的有效性。     

基于模糊聚类的数据关联融合算法

利用模糊相似性和模糊C均值聚类算法相结合，提出一种求解多传感器多目标跟踪数据关联问题的方法。该方法的目的是实现多传感器观测数据的模糊聚类，使源于不同目标的观测数据能正确划分到该目标中去。仿真结果表明，该算法可以实现数据与目标的正确关联，克服传统硬判断的一些缺点。