摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
缩略词表 | 第14-15页 |
第一章 绪论 | 第15-21页 |
1.1 课题研究意义 | 第15-16页 |
1.2 决策层融合国内外研究现状及发展 | 第16-18页 |
1.2.1 态势评估 | 第16-17页 |
1.2.2 威胁估计 | 第17-18页 |
1.3 文章主要研究内容 | 第18-19页 |
1.4 本文结构安排 | 第19-21页 |
第二章 决策层态势评估技术 | 第21-28页 |
2.1 态势评估概述 | 第21-24页 |
2.1.1 态势评估定义 | 第21-22页 |
2.1.2 态势评估功能介绍 | 第22-24页 |
2.2 态势评估方法概述 | 第24-27页 |
2.2.1 基于Bayes Network的态势评估方法 | 第24页 |
2.2.2 基于Expert System的态势评估方法 | 第24-25页 |
2.2.3 基于Template Matching的态势评估方法 | 第25-26页 |
2.2.4 基于Rough Set理论的态势评估方法 | 第26页 |
2.2.5 基于Clustering Analysis的态势评估方法 | 第26-27页 |
2.3 章节小结 | 第27-28页 |
第三章 基于模糊聚类的目标分群算法研究 | 第28-48页 |
3.1 基于聚类分析的目标分群技术概述 | 第28页 |
3.2 基于目标函数的模糊聚类分析算法 | 第28-34页 |
3.2.1 模糊C-均值算法 | 第29-31页 |
3.2.2 可能性C-均值算法 | 第31-32页 |
3.2.3 可能性模糊C-均值算法 | 第32-34页 |
3.3 基于线性粒子群优化的可能性模糊C-均值算法 | 第34-47页 |
3.3.1 粒子群算法概述 | 第34-35页 |
3.3.2 LPSO-PFCM算法研究 | 第35-38页 |
3.3.3 仿真结果分析 | 第38-47页 |
3.4 章节小结 | 第47-48页 |
第四章 基于最陡下降的稳健自适应粒子群鲁棒聚类算法 | 第48-68页 |
4.1 最陡下降法基本理论 | 第48-49页 |
4.2 RAPSO-PFCM聚类算法研究 | 第49-53页 |
4.2.1 参数自适应调整 | 第49-50页 |
4.2.2 最优结合位置计算 | 第50-51页 |
4.2.3 RAPSO-PFCM算法 | 第51-53页 |
4.3 仿真验证分析 | 第53-58页 |
4.4 鲁棒聚类分析技术应用研究 | 第58-67页 |
4.4.1 空袭目标类型识别分群 | 第58-60页 |
4.4.2 空袭目标攻击方向判别 | 第60-62页 |
4.4.3 各地区城市设施水平划分 | 第62-67页 |
4.5 章节小结 | 第67-68页 |
第五章 基于免疫机理的智能BP网络目标威胁估计 | 第68-95页 |
5.1 威胁估计概述 | 第68-70页 |
5.1.1 信息融合处理过程 | 第68-69页 |
5.1.2 目标威胁估计功能模型 | 第69页 |
5.1.3 目标威胁估计处理步骤 | 第69-70页 |
5.2 进化算法基本理论 | 第70-76页 |
5.2.1 BP神经网络 | 第70-73页 |
5.2.2 人工免疫系统 | 第73-74页 |
5.2.3 基于免疫机理的粒子群算法 | 第74-76页 |
5.3 IM-InBP网络目标威胁估计 | 第76-85页 |
5.3.1 IM-InBP算法模型 | 第76-77页 |
5.3.2 IM-InBP算法研究 | 第77-78页 |
5.3.3 仿真数据预处理 | 第78-81页 |
5.3.4 仿真结果及分析 | 第81-85页 |
5.4 IM-InBP神经网络技术应用研究 | 第85-94页 |
5.4.1 空袭目标对海面舰艇编队威胁程度综合判断 | 第85-88页 |
5.4.2 全国研究生和留学生人员拟合与预测 | 第88-91页 |
5.4.3 人均生活能源消费量估计与预测 | 第91-94页 |
5.5 章节小结 | 第94-95页 |
第六章 总结与展望 | 第95-98页 |
6.1 本文研究工作总结 | 第95-96页 |
6.2 研究工作建议和设想 | 第96-98页 |
致谢 | 第98-99页 |
参考文献 | 第99-104页 |
攻读硕士期间取得的研究成果 | 第104-105页 |