基于粗糙模糊集理论的卫星导航系统作战效能评估方法

山东大学学报(工学版)

基于粗糙模糊集理论的卫星导航系统作战效能评估方法

董成喜, 吴德伟, 何晶

空军工程大学电讯工程学院, 陕西西安 710077

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-08-16 发布日期:2008-08-16
通讯作者: 董成喜

Combat effectiveness evaluation method of satellite navigation
system based on rough fuzzy sets

DONG Cheng-xi, WU De-wei, HE Jing

Telecommunication Engineering Institute, Air Force Engineering University, Xi’an 710077, China

Received:1900-01-01 Revised:1900-01-01 Online:2008-08-16 Published:2008-08-16
Contact: DONG Cheng-xi

摘要/Abstract

摘要：

针对卫星导航系统在信息化战争中的地位与作用,提出了一种基于粗糙集和模糊集理论的作战效能评估方法——粗糙模糊集理论,并对粗糙模糊集理论的算法进行了分析和设计,建立了卫星导航系统作战效能评估指标体系.最后结合实例,运用粗糙模糊集理论对卫星导航系统作战效能进行了评估,给出了效能评估的决策规则.

关键词: 粗糙模糊集, 卫星导航系统, 作战效能评估, 决策规则

Abstract: with the increasing effect and signification of satellite navigation system in information-age war, a new evaluation method for combat effectiveness——rough fuzzy sets theory (RFS) was proposed based on rough sets and fuzzy sets theory, and the algorithm of RFS was analyzed and designed. Effectiveness evaluation index system of satellite navigation system was also established. Finally, the combat effectiveness of satellite navigation system was evaluated by RFS for instance, and decision rules were also given.

Key words: rough fuzzy sets, satellite navigation system, combat effectiveness evaluation, decision rules

中图分类号:

TP18

董成喜,吴德伟,何晶 . 基于粗糙模糊集理论的卫星导航系统作战效能评估方法[J]. 山东大学学报(工学版), 2008, 38(4): 32-36 .

DONG Cheng-xi,WU De-wei,HE Jing . Combat effectiveness evaluation method of satellite navigation
system based on rough fuzzy sets[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2008, 38(4): 32-36 .

参考文献

相关文章 15

[1]	梁蒙蒙,周涛,夏勇,张飞飞,杨健. 基于PSO-ConvK卷积神经网络的肺部肿瘤图像识别[J]. 山东大学学报(工学版), 2018, 48(5): 77-84.
[2]	王婷婷,翟俊海,张明阳,郝璞. 基于HBase和SimHash的大数据K-近邻算法[J]. 山东大学学报(工学版), 2018, 48(3): 54-59.
[3]	何正义,曾宪华,郭姜. 一种集成卷积神经网络和深信网的步态识别与模拟方法[J]. 山东大学学报(工学版), 2018, 48(3): 88-95.
[4]	崔晓松,王颖,孟佳, 邹丽. 基于语言值相似度推理的网络商家自评价方法[J]. 山东大学学报(工学版), 2018, 48(1): 1-7.
[5]	邱路,叶银忠,姜春娣. 基于小波奇异熵和SOM神经网络的微电网系统故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 118-122.
[6]	姚宇,冯健,张化光,韩克镇. 一种基于椭球体支持向量描述的异常检测方法[J]. 山东大学学报(工学版), 2017, 47(5): 195-202.
[7]	李素姝,王士同,李滔. 基于LS-SVM与模糊补准则的特征选择方法[J]. 山东大学学报(工学版), 2017, 47(3): 34-42.
[8]	刘英霞,王希常,唐晓丽,常发亮. 基于小波域特征和贝叶斯估计的目标检测算法[J]. 山东大学学报(工学版), 2017, 47(2): 63-70.
[9]	易云飞,苗剑,林郭隆,殷智. 基于牛顿力学和博弈论模型的粒子网络优化算法[J]. 山东大学学报(工学版), 2017, 47(1): 28-36.
[10]	何正义,曾宪华,曲省卫,吴治龙. 基于集成深度学习的时间序列预测模型[J]. 山东大学学报(工学版), 2016, 46(6): 40-47.
[11]	王梅,曾昭虎,孙莺萁,杨二龙,宋考平. 基于输入K-近邻的正则化路径上SVR贝叶斯组合[J]. 山东大学学报(工学版), 2016, 46(6): 8-14.
[12]	陈泽华,尚晓慧,柴晶. 基于混合Hausdorff距离的多示例学习近邻分类器[J]. 山东大学学报(工学版), 2016, 46(6): 15-22.
[13]	王志强,文益民,李芳. 基于多方面评分的景点协同推荐算法[J]. 山东大学学报(工学版), 2016, 46(6): 54-61.
[14]	黄丹,王志海,刘海洋. 一种局部协同过滤的排名推荐算法[J]. 山东大学学报(工学版), 2016, 46(5): 29-36.
[15]	莫小勇,潘志松,邱俊洋,余亚军,蒋铭初. 基于在线特征选择的网络流异常检测[J]. 山东大学学报(工学版), 2016, 46(4): 21-27.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed