一种基于最优权重分配的D2S 改进算法

为解决高冲突证据下的D-S证据理论失效这一问题,在对已有一些代表性改进方法分析的基础上,提出了一种新的基于最优权重分配的D-S改进算法.在保证证据冲突整体最小情况下,建立证据最优权重分配模型,对原证据模型进行修正.通过实例分析,并与其它改进方法进行对比,验证了该算法在解决冲突证据方面更为有效.     

网络化控制系统控制方法

网络化控制系统由于低成本、高可靠性、节约连接线、安装简单、维护方便等优点，在工业控制领域得到了广泛的应用，并对工业自动化系统产生了深刻的影响。文章介绍了网络化控制系统的基本问题，讨论了目前研究的主要方法及进展，最后总结并提出了未来研究方向及建议。     

对GALT算法的理论性分析

GALT(Greatest Available Logical Time，最大可能逻辑时间)算法是HLA(High Level Architecture，高层体系结构)接口规范中时间管理服务能否实现的关键技术。不合理的GALT算法会导致死锁或破坏HLA时间管理的原则，从而导致整个仿真无法向前推进，或产生过去时刻的消息。分析了Frederick算法和身高测量法的死锁问题，给出了Frederick算法造成死锁的一个充分条件，重点讨论了它们遵守时间管理原则的情况。一个好的GALT算法，必须在确保不违反时间管理原则的基础上，才能最终解决死锁问题。     

基于HLA的分布式交互仿真系统的开发实例

在研究基于HLA(highlevelarchtecfure)的仿真应用系统的开发过程的基础上,以模拟一个交战双方地面装甲车辆的战斗场景为例,说明基于HLA的武器对抗仿真系统的开发过程和实现方法,并提出了一种系统安全实现策略.     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

多传感器相关数据的分布式判决方法

提出多个传感器数据在相关情况下实现的一种分布式判决方法．通过使用正交变换方法实现对数据解相关，从而采用较为简单的似然比判决形式，从理论上证明了这种变换的可能性及提出构造相应变换矩阵的方法．通过对两种模型的仿真结果表明，该变换方法能有效地解除传感器数据之间的相关性，更好地进行分布式判决。     

基于复杂因子的软件可靠性指标分配方法研究

给出了软件可靠性指标分配的系统模型．基于复杂因子的分配方法，在保证系统可靠性的前提下，给出了求解各子系统软件可靠度的工程实现方法．结合实际系统，对获得的各子系统软件可靠度进行了实例验证．该方法可直接用于军事或非军事系统的软件可靠性指标分配。     

系统可靠性分配的神经网络模型

对系统可靠性的代数分配法的复杂性因子的计算方法提出修正因子，建立修正后的代数分配法的多层前向神经网络模型。利用误差反向传播的改进算法对样本数据进行训练，并用另外的一些样本数据验证模型的应用效果。同时提出综合因素分配的神经网络模型。     

基于模糊状态的可修表决系统可靠性分析

首先ａｒｋｏｖ链对可修表决系统的各个状态进行分析,得出了系统各状态的概率,然后对可修表决系统的故障进行分析,通过定义系统各养育地模糊成功隶属函数,利用基于模糊状态的可靠性理论对可修表决系统进行可靠性分析,并比较其结果与传统可靠性理论的不同之处,可以看出模糊可靠度不仅反映故障类别对系统的影响程度,而且直接反映故障状态概率的变化,模糊可靠度全面刻划了系统的可靠性行为,最后给出了表决系统的计算示例。     

基于自学习模式下的网络流量控制研究

在对ATM网络中交换机内部输出缓冲区队列长度的影响因素进行分析的基础上，提出一种基于自学习方式的流量控制方法．运用自学习的理论调节速率达到流量控制的目的，并比较分析一些新型网络流量智能控制方法．仿真结果表明，该方法具有很好的稳定性、瞬态性以及稳态性能，而且在动态响应方面优于模糊控制．通过这种流量控制可避免和缓解拥塞，提高网络性能，有效利用网络资源．