DST与DSmT组合规则方法的研究与比较

本文介绍了DST和DSmT理论的基本概念及其适用模型,分析了Dempster、DSmH和PCR5三大规则的具体实现方法;采用这三种组合规则计算给出的两组数据,并对数据进行分析比较,得出不同的组合规则应用于不同情况的数据融合情况的结论。     

动态贝叶斯网络在战术态势估计中的应用*

针对战术态势估计的特点和要求,分析和建立了应用于态势估计的动态贝叶斯网络模型。该模型以离散变量集为研究对象。由于该动态贝叶斯网络满足Markovian特性和平稳特性,降低了网络的复杂度。相比较于贝叶斯网络模型,该动态贝叶斯网络模型考虑了时序因素,将前时刻的态势因素作为当前时刻态势估计的证据的一部分,并能对下一时刻的态势进行预测。文中采用集树（junction tree）算法,利用相关的贝叶斯网络推理软件进行了实验,实验结果表明基于动态贝叶斯网络的估计结果较贝叶斯网络的估计结果好,验证了该模型的有效性。     

态势评估中的贝叶斯网络模型研究

针对战场态势评估的特点,采用模块化的贝叶斯网络模型对态势问题进行描述,动态构建贝叶斯网络结构．为了解决动态构建贝叶斯网络的推理问题,提出一种新的解决方法,将待连接贝叶斯网络模块的推理结果作为软证据,输入到已有网络对应的节点中,以代替所要连接的贝叶斯网络模块,在不改变贝叶斯网络结构的情况下完成网络的推理过程．仿真实验结果表明该方法是有效的．     

一种基于属性-值树的求核与约简方法

为快速计算粗糙集的一个属性约简与核,提出一种基于属性-值树模型的改进约简与求核算法,并证明了算法的完备性．该算法充分利用树型结构,引进树的合并方法,使得计算复杂度从O(|U||C|2)降低为O(|U||C|),提高了计算效率(其中|U|和|C|分别代表对象个数和属性个数)．     

用于态势估计的一种构造贝叶斯网络参数的方法

根据态势估计的特点和要求，采用Leaky noisy-or gate模型的方法构造，并将其应用于整个贝叶斯网络中。该方法以离散变量集为研究对象，由于满足构成Leaky noisy-or gate模型的条件，能够利用部分统计信息构造节点的网络参数。文中利用相关的贝叶斯网络推理软件进行了实验。实验结果表明，使用Leaky noisy-or gate模型的方法，对网络参数进行构造是可行的。     

多层处理在织物仿真中的应用

采用多层处理的方法将织物仿真过程分为几个阶段。在不同的阶段采用不同密度的网格划分，前一阶段的质点数比后一阶段的少，简化了计算，提高了仿真速度，而且不影响仿真的真实感。文中对织物建立了质点一弹簧模型，采用隐式积分法计算各个质点的状态。