基于ADC模型的潜艇作战系统效能评估与工具实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 效能评估的国内外研究现状 | 第13-14页 |
| 1.2.2 敏感性分析的国内外研究 | 第14-15页 |
| 1.3 本文的研究内容及框架 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 结构框架 | 第16-18页 |
| 第二章 相关概念及基础理论 | 第18-29页 |
| 2.1 作战效能评估 | 第18-22页 |
| 2.1.1 相关概念 | 第18-19页 |
| 2.1.2 经典ADC效能评估模型 | 第19-21页 |
| 2.1.3 潜艇作战系统的基本构成 | 第21-22页 |
| 2.2 评估指标 | 第22-28页 |
| 2.2.1 指标体系的构建原则 | 第22-23页 |
| 2.2.2 指标值的处理 | 第23-24页 |
| 2.2.3 指标赋权方法分析 | 第24-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于威胁因素的ADC效能评估模型 | 第29-48页 |
| 3.1 威胁度评估分析 | 第29-31页 |
| 3.2 核主成分分析 | 第31-33页 |
| 3.2.1 核主成分分析的推导 | 第31-32页 |
| 3.2.2 核函数选择 | 第32-33页 |
| 3.3 模型提出 | 第33-41页 |
| 3.3.1 基于组合核主成分分析的威胁度评估模型 | 第34-38页 |
| 3.3.2 基于最小二乘原理的组合赋权方法 | 第38-40页 |
| 3.3.3 模型计算流程 | 第40-41页 |
| 3.4 实验分析 | 第41-47页 |
| 3.5 本章小节 | 第47-48页 |
| 第四章 基于极限学习机的全局敏感性分析 | 第48-58页 |
| 4.1 Sobol指数法 | 第48-50页 |
| 4.1.1 基本原理 | 第48-49页 |
| 4.1.2 Sobol指数的计算 | 第49-50页 |
| 4.2 基于极限学习机的代理模型 | 第50-51页 |
| 4.2.1 代理模型 | 第50-51页 |
| 4.2.2 极限学习机 | 第51页 |
| 4.3 模型提出 | 第51-54页 |
| 4.3.1 抽样实验设计 | 第52-53页 |
| 4.3.2 模型计算流程 | 第53-54页 |
| 4.4 实验分析 | 第54-56页 |
| 4.5 本章小节 | 第56-58页 |
| 第五章 工具实现 | 第58-68页 |
| 5.1 系统效能评估概述 | 第58页 |
| 5.1.1 效能评估应用背景 | 第58页 |
| 5.1.2 效能评估功能需求 | 第58页 |
| 5.2 效能评估系统设计与实现 | 第58-61页 |
| 5.2.1 系统功能模块设计 | 第58-59页 |
| 5.2.2 系统总体设计 | 第59-60页 |
| 5.2.3 系统详细设计 | 第60-61页 |
| 5.3 效能评估系统软件的应用 | 第61-67页 |
| 5.4 本章小节 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 在学期间的研究成果及发表的学术论文 | 第77页 |
