简介:针对装备器材封存包装方式选择过程中对决策者和评价准则难以准确赋权的问题,提出了一种基于扩展多准则妥协解排序法(VlsekriterijumskaOptimizacijaIKompromisnoResenje,VIKOR)的群决策模型,应用直觉模糊理论将语言变量形式的评价信息进行转换并集结,得到封存包装方式决策群组的直觉模糊决策矩阵,通过信任度函数,并结合熵权法分别对决策者和评价准则进行客观赋权,采用扩展多准则VIKOR法得到备选封存包装方式的折中可行方案。最后,结合案例进行了装备器材封存包装方式的选择决策,并通过敏感性分析和对比分析,验证了所提出方法的有效性,为装备器材封存包装方式选择提供了参考。
简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。