CN114398493B - 一种基于模糊聚类与费效价值的无人机型谱构建方法 - Google Patents

一种基于模糊聚类与费效价值的无人机型谱构建方法 Download PDF

Info

Publication number
CN114398493B
CN114398493B CN202111638806.XA CN202111638806A CN114398493B CN 114398493 B CN114398493 B CN 114398493B CN 202111638806 A CN202111638806 A CN 202111638806A CN 114398493 B CN114398493 B CN 114398493B
Authority
CN
China
Prior art keywords
type spectrum
aerial vehicle
unmanned aerial
center
clustering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111638806.XA
Other languages
English (en)
Other versions
CN114398493A (zh
Inventor
周磊
郑震山
陈俊锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Unit 92728 Of Pla
Original Assignee
Unit 92728 Of Pla
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Unit 92728 Of Pla filed Critical Unit 92728 Of Pla
Priority to CN202111638806.XA priority Critical patent/CN114398493B/zh
Publication of CN114398493A publication Critical patent/CN114398493A/zh
Application granted granted Critical
Publication of CN114398493B publication Critical patent/CN114398493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于模糊聚类与费效价值的无人机型谱构建方法，包括：步骤1：获取无人机需求样本；步骤2：基于模糊聚类对无人机需求样本进行聚合归类；步骤3：构建备选型谱方案集；步骤4：基于满足度对各个型谱方案进行满足度评估；步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估；步骤6：获取无人机型谱方案优选集。与现有技术相比，本发明具有有效实现无人机型谱的构建等优点。

Description

一种基于模糊聚类与费效价值的无人机型谱构建方法
技术领域
本发明涉及无人机型谱技术领域，尤其是涉及一种基于模糊聚类与费效价值的无人机型谱构建方法。
背景技术
无人机具有零伤亡、低成本的特点，其设计通常以任务为中心，适合执行枯燥、恶劣、危险任务，已成为军事强国未来发展的重要方向。无人机通过通用化、模块化设计，可根据具体任务及时更换不同功能的任务载荷，执行不同任务，使一型装备同时满足多种需求，从而实现“一机多用、一机多能”。无人机型谱的制定是无人机发展规划的重要内容，也是无人机种类划分和型号发展的重要依据。无人机型谱构建需要以最少数目的装备基本型号满足各类不同的需求。无人机型谱构建一般以需求为牵引，并充分考虑技术可行性、经济性和需求满足度等要素，综合权衡制定优化型谱方案。型谱制定既要着眼长远，具有一定的前瞻性，也要立足实际，具有充分的可实现性，需要对现有的技术基础进行准确的评估，对未来数十年无人机技术发展进行科学的预测分析。因此，型谱的制定一般依据需求及技术可行性分析，构建型谱备选方案，并对备选型谱方案进行军事需求满足度、所需费用投入需求等进行评估，综合权衡选取优化的型谱方案。
目前，现有技术主要集中在现有产品型谱的精简优化和管理方面，更多停留在原始数据的统计上，尚无无人机型谱量化构建和优化研究，无法满足目前基于现有或未来发展产品开展型谱构建的需求，难以进行统一的综合分析。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种有效实现无人机型谱的构建的基于模糊聚类与费效价值的无人机型谱构建方法。
本发明的目的可以通过以下技术方案来实现：
一种基于模糊聚类与费效价值的无人机型谱构建方法，所述的无人机型谱构建方法包括：
步骤1：获取无人机需求样本；
步骤2：基于模糊聚类对无人机需求样本进行聚合归类；
步骤3：构建备选型谱方案集；
步骤4：基于满足度对各个型谱方案进行满足度评估；
步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估；
步骤6：获取无人机型谱方案优选集。
优选地，所述的步骤2具体为：
步骤2-1：设置聚类中心初值；
步骤2-2：计算聚类中心；
步骤2-3：计算两个聚类中心之间允许出现的最大距离；
步骤2-4：归并聚类中心；
步骤2-5：计算归并后聚类中心；
步骤2-6：重复步骤2-4和步骤2-5，直至所有的模糊聚类中心均被归并。
更加优选地，所述的步骤2-2具体为：
步骤2-2-1：计算离差；
用devij(l)，i＝1,2,…,n，j＝1,2,…,p来表示第i个样本的第j个变量相对第l个中心的离差值，则可用一个n行p列的矩阵来表示这些离差值数据，即
devij(l)＝|xij-zij|，i＝1,2,…,n，j＝1,2,…,p，l＝1,2,…,n
步骤2-2-2：计算离差均值；
用mean_devj(l)来表示第j个变量相对第l个中心的离差均值，则可用一个1行p列的矩阵来表示离差均值数据，即：
Figure BDA0003442887680000021
步骤2-2-3：计算离差隶属度；
用gmof_devij(l)来表示第i个样本的第j个变量相对第l个中心的离差隶属度，则可用一个n行p列的矩阵来表示离差隶属度数据，即：
Figure BDA0003442887680000022
步骤2-2-4：计算聚类中心；
Figure BDA0003442887680000031
更加优选地，所述的步骤2-3具体为：
采用欧氏距离进行距离度量，分别计算第i个中心与第l个中心的欧氏距离：
Figure BDA0003442887680000032
两个聚类中心之间允许出现的最大距离为：
Figure BDA0003442887680000033
更加优选地，所述的步骤2-4具体为：
逐个进行归并，计算第l个中心到第i个中心的距离disi(1)，若disi(1)<threshold，则将第l个中心归并到第i个聚类中心上，否则不予归并。
更加优选地，所述的步骤2-5具体为：
归并后第k类中有m个中心，用zij(k)来表示被归并到第k类中的中心，则归并后的第k类中心为：
Figure BDA0003442887680000034
更加优选地，所述的步骤4具体为：
步骤1获取共计m项需求方案X，型谱方案Y，型谱方案对于各项需求满足程度指标为M；针对每个型谱方案Y型号yj，j＝1～n对每项需求方案xi，i＝1～m进行满足度评估，满足度指标为Mij，代表型号yj对需求方案xi的满足程度，并采用李克特量表对满足度进行规范量化。
更加优选地，所述的型谱方案Y的满足度计算方法为：
Figure BDA0003442887680000035
其中，Mij为型号yj对需求方案xi的满足程度。
优选地，所述的研制费预测模型具体为：
Cj＝lj·Wj·Sj
其中，lj为技术风险因素；Wj为最大起飞重量；Sj为最大平飞速度。
优选地，所述的步骤6具体为：
基于能效价值图构建出无人机型谱方案优选集。
与现有技术相比，本发明具有以下有益效果：
有效实现无人机型谱的构建：本发明中的无人机型谱构建方法采用模糊聚类分析方法构建型谱方案集，并从需求满足度、经济性和技术风险多维度构建评估模型，运用费效价值图分析进行型谱优选，有效解决无人机类型多、需求复杂多样、规范难度大的问题，达到型谱构建既要满足需求，又要简型高效的目标，并且在产品型谱构建和综合评估中有广泛的应用前景。
附图说明
图1为本发明中无人机型谱构建方法的流程示意图；
图2为本发明实施例中无人机型谱-需求映射关系示意图；
图3为本发明实施例中无人机型谱方案的费效价值图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
一种基于模糊聚类与费效价值的无人机型谱构建方法，其流程如图1所示，包括：
步骤1：获取无人机需求样本，本实施例中无人机型谱与需求的映射关系如图2所示；
步骤2：基于模糊聚类对无人机需求样本进行聚合归类；
步骤3：构建备选型谱方案集；
步骤4：基于满足度对各个型谱方案进行满足度评估；
步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估；
步骤6：获取无人机型谱方案优选集。
下面分别对各主要步骤进行详细描述：
一、步骤2：基于模糊聚类对无人机需求样本进行聚合归类
本实施例以调研获取的无人机需求为依据，运用模糊聚类分析方法对需求样本数据进行聚合归类，基于归并聚类中心思想的模糊聚类分析算法可以描述为如下步骤：
步骤2-1：设置聚类中心初值；
用zij(i＝1，2，……，n；j＝1，2，……，p)来表示第i个聚类中心的第j个变量的值，初始时n个待聚类样本为n个聚类中心的初值，即Z＝X；
步骤2-2：计算聚类中心，具体为：
步骤2-2-1：计算离差；
用devij(l)，i＝1,2,…,n，j＝1,2,…,p来表示第i个样本的第j个变量相对第l个中心的离差值，则可用一个n行p列的矩阵来表示这些离差值数据，即
devij(l)＝|xij-zij|，i＝1,2,…,n，j＝1,2,…,p，l＝1,2,…,n
步骤2-2-2：计算离差均值；
用mean_devj(l)来表示第j个变量相对第l个中心的离差均值，则可用一个1行p列的矩阵来表示离差均值数据，即：
Figure BDA0003442887680000051
步骤2-2-3：计算离差隶属度；
用gmof_devij(l)来表示第i个样本的第j个变量相对第l个中心的离差隶属度，则可用一个n行p列的矩阵来表示离差隶属度数据，即：
Figure BDA0003442887680000052
步骤2-2-4：计算聚类中心；
Figure BDA0003442887680000053
步骤2-3：计算两个聚类中心之间允许出现的最大距离，具体为：
采用欧氏距离进行距离度量，分别计算第i个中心与第l个中心的欧氏距离：
Figure BDA0003442887680000054
两个聚类中心之间允许出现的最大距离为：
Figure BDA0003442887680000055
步骤2-4：归并聚类中心，具体为：
逐个进行归并，计算第l个中心到第i个中心的距离disi(1)，若disi(1)<threshold，则将第l个中心归并到第i个聚类中心上，否则不予归并；
步骤2-5：计算归并后聚类中心，具体为：
归并后第k类中有m个中心，用zij(k)来表示被归并到第k类中的中心，则归并后的第k类中心为：
Figure BDA0003442887680000061
步骤2-6：重复步骤2-4和步骤2-5，直至所有的模糊聚类中心均被归并。
二、步骤4：基于满足度对各个型谱方案进行满足度评估；
型谱构建的目标是满足需求、少型高效且技术可行，步骤1获取共计m项需求方案X，型谱方案Y，型谱方案对于各项需求满足程度指标为M，针对每个型谱方案Y型号yj(j＝1～n)对每项需求方案xi(i＝1～m)进行满足度评估，满足度指标为Mij，代表型号yj对需求方案xi的满足程度，并采用李克特量表对满足度进行规范量化。
本实施例选用的是李克特量表(Likert type Scale)中最常用的5级量表方法进行规范量化，具体为：
0.1～0.2：根本无法满足，几乎不能用；
0.3～0.4：性能要求中有个别项不满足要求，有一定差距；
0.5～0.6：性能要求中有个别项不满足要求，但差距不大；
0.7～0.8：能使用，但不是最适合的；
0.9～1.0：最适合。
装备型谱实际上是由不同规格装备构成的装备系列树，型谱方案对于军事需求的满足程度就是装备系列中最能满足该项军事需求的基本型号满足程度指数的聚合，型谱方案Y满足度计算公式为：
Figure BDA0003442887680000062
其中，Mij为型号yj对需求方案xi的满足程度。
三、步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估，即能-效评估；
型谱构建的目标是满足军方需求、少型高效且技术可行，型谱构建阶段主要预测分析型谱方案研制经费需求。
基于无人机研制费预测模型，对型谱中无人机基本型号研制经费需求采用以下公式进行评估：
Cj＝lj·Wj·Sj
其中，lj为技术风险因素，Wj为最大起飞重量，Sj为最大平飞速度。
lj评估分值根据关键技术成熟度及所处阶段进行评估。型谱方案中型号为yj，每个型号经费需求为Cj，型谱方案的经费需求为：
Figure BDA0003442887680000071
最后将C进行归一化处理。
四、步骤6：获取无人机型谱方案优选集
基于能效价值图构建出无人机型谱方案优选集，本实施例中无人机型谱方案的能效价值图如图3所示。
下面提供一种具体的应用例：
1)聚类分析
无人机型谱实际上是由不同规格无人机构成的系列树，而一种无人机可能有多个标志规格的主要特征参数。无人机主要性能指标包括最大起飞重量、任务载重、续航时间、升限及飞行速度等，由于最大起飞重量与任务载重、续航时间相关，以下主要考虑续航时间、任务载重、升限、飞行速度。以调研获取的需求为依据，对相关指标进行规范化，运用模糊聚类分析方法将需求样本数据分为n类，各需求样本聚类统计结果见表1。
表1需求样本聚类统计结果
Figure BDA0003442887680000072
Figure BDA0003442887680000081
2)构建备选方案
根据聚类分析得出的8类结果，构建各类无人机目标图像。目标图像1(y1)：最大起飞重量20kg，任务载荷2kg，…，续航时间1h；目标图像2(y2)：最大起飞重量100kg，任务载荷20kg，…，续航时间2h；……；目标图像8(y8)：…。备选型谱方案是各型号组合，见表2。
表2备选型谱方案
Figure BDA0003442887680000082
3)建立需求满足度评估
型谱构建的目标是满足需求、少型高效且技术可行。需求满足度评估较为复杂，涉及因素较多，定量因素直接给予具体数值(如任务载重、续航时间数据)，针对调研获取的定性评价因素，采用李克特量表(Likert type Scale)中最常用的5级量表方法进行规范量化。
4)费用需求评估
型谱构建的目标是满足需求、少型高效且技术可行，型谱构建阶段主要预测分析型谱方案研制经费需求。
5)型谱方案优选
型谱方案优选目标就是在备选方案选择需求满足度能满足要求，且费用投入相对较小的型谱方案。通过对各型谱方案的计算评估，型谱需求满足度评估结果见表3。
表3型谱需求满足度评估结果
序号 y<sub>1</sub> y<sub>2</sub> y<sub>3</sub> y<sub>4</sub> y<sub>5</sub> y<sub>6</sub> y<sub>7</sub> y<sub>8</sub> 满足度 费用需求
1 O O O O O O O O 0.854 1.00
2 O O O O O O O 0.846 0.81
3 O O O O O O O 0.837 1.00
4 O O O O O O 0.829 0.81
5 O O O O O O O 0.824 0.65
6 O O O O O O 0.807 0.65
7 O O O O O O O 0.792 0.93
8 O O O O O O 0.778 0.47
9 O O O O O O 0.768 0.74
10 O O O O O O 0.762 0.58
11 O O O O O O 0.760 0.93
12 O O O O O O O 0.636 0.61
… … … … … … … … … … …
本实施例针对无人机的特点，采用模糊聚类分析方法构建型谱方案集，并从需求满足度、经济性和技术风险多维度构建评估模型，运用费效价值图分析进行型谱优选，有效解决无人机类型多、需求复杂多样、规范难度大的问题，达到型谱构建既要满足需求，又要简型高效的目标。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的无人机型谱构建方法包括：
步骤1：获取无人机需求样本；
步骤2：基于模糊聚类对无人机需求样本进行聚合归类；
所述的步骤2具体为：
步骤2-1：设置聚类中心初值；
步骤2-2：计算聚类中心；
步骤2-3：计算两个聚类中心之间允许出现的最大距离；
步骤2-4：归并聚类中心；
步骤2-5：计算归并后聚类中心；
步骤2-6：重复步骤2-4和步骤2-5，直至所有的模糊聚类中心均被归并；
步骤3：构建备选型谱方案集；
步骤4：基于满足度对各个型谱方案进行满足度评估；
所述的步骤4具体为：
步骤1获取共计m项需求方案X，型谱方案Y，型谱方案对于各项需求满足程度指标为M；针对每个型谱方案Y型号yj，j＝1～n对每项需求方案xi，i＝1～m进行满足度评估，满足度指标为Mij，代表型号yj对需求方案xi的满足程度，并采用李克特量表对满足度进行规范量化；
所述的型谱方案Y的满足度计算方法为：
Figure FDA0003875195810000011
其中，Mij为型号yj对需求方案xi的满足程度；
步骤5：基于研制费预测模型对各个型谱方案的研制经费需求进行评估；
所述的研制费预测模型具体为：
Cj＝lj·Wj·Sj
其中，lj为技术风险因素；Wj为最大起飞重量；Sj为最大平飞速度
步骤6：获取无人机型谱方案优选集，基于费效价值图构建出无人机型谱方案优选集。
2.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-2具体为：
步骤2-2-1：计算离差；
用devij(l)，i＝1,2,…,n，j＝1,2,…,p来表示第i个样本的第j个变量相对第l个中心的离差值，则用一个n行p列的矩阵来表示这些离差值数据，即
devij(l)＝|xij-zij|，i＝1,2,…,n，j＝1,2,…,p，l＝1,2,…,n
步骤2-2-2：计算离差均值；
用mean_devj(l)来表示第j个变量相对第l个中心的离差均值，则用一个1行p列的矩阵来表示离差均值数据，即：
Figure FDA0003875195810000021
步骤2-2-3：计算离差隶属度；
用gmof_devij(l)来表示第i个样本的第j个变量相对第l个中心的离差隶属度，则用一个n行p列的矩阵来表示离差隶属度数据，即：
Figure FDA0003875195810000022
步骤2-2-4：计算聚类中心；
Figure FDA0003875195810000023
3.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-3具体为：
采用欧氏距离进行距离度量，分别计算第i个中心与第l个中心的欧氏距离：
Figure FDA0003875195810000024
两个聚类中心之间允许出现的最大距离为：
Figure FDA0003875195810000025
4.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-4具体为：
逐个进行归并，计算第l个中心到第i个中心的距离disi(1)，若disi(1)<threshold，则将第l个中心归并到第i个聚类中心上，否则不予归并。
5.根据权利要求1所述的一种基于模糊聚类与费效价值的无人机型谱构建方法，其特征在于，所述的步骤2-5具体为：
归并后第k类中有m个中心，用zij(k)来表示被归并到第k类中的中心，则归并后的第k类中心为：
Figure FDA0003875195810000031
CN202111638806.XA 2021-12-29 2021-12-29 一种基于模糊聚类与费效价值的无人机型谱构建方法 Active CN114398493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111638806.XA CN114398493B (zh) 2021-12-29 2021-12-29 一种基于模糊聚类与费效价值的无人机型谱构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111638806.XA CN114398493B (zh) 2021-12-29 2021-12-29 一种基于模糊聚类与费效价值的无人机型谱构建方法

Publications (2)

Publication Number Publication Date
CN114398493A CN114398493A (zh) 2022-04-26
CN114398493B true CN114398493B (zh) 2022-12-16

Family

ID=81229698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111638806.XA Active CN114398493B (zh) 2021-12-29 2021-12-29 一种基于模糊聚类与费效价值的无人机型谱构建方法

Country Status (1)

Country Link
CN (1) CN114398493B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013239118A (ja) * 2012-05-17 2013-11-28 Osaka Prefecture Univ データ匿名化クラスタリング方法、装置およびプログラム
CN103699982A (zh) * 2013-12-26 2014-04-02 浙江工业大学 一种带软时间窗口的物流配送控制方法
CN104915560A (zh) * 2015-06-11 2015-09-16 万达信息股份有限公司 一种基于广义神经网络聚类的疾病病种诊疗方案预测方法
CN105956782A (zh) * 2016-05-12 2016-09-21 国网甘肃省电力公司电力科学研究院 电网设备购置决策评估方法
CN106682416A (zh) * 2016-12-24 2017-05-17 合肥城市云数据中心股份有限公司 基于多指标评价算法的污水企业水污染来源评估方法
CN107194526A (zh) * 2017-03-29 2017-09-22 国网浙江省电力公司经济技术研究院 一种基于模糊聚类的售电侧市场化改革进度评估方法
CN107679687A (zh) * 2017-08-29 2018-02-09 国网江苏省电力公司经济技术研究院 一种光伏出力建模方法以及发电系统可靠性评估方法
CN109308496A (zh) * 2018-10-11 2019-02-05 南昌工程学院 一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法
CN112487552A (zh) * 2020-11-18 2021-03-12 南京航空航天大学 基于模糊聚类的飞翼无人机的包线划分以及增益调度方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6898528B2 (en) * 2002-07-23 2005-05-24 Ford Global Technologies, Llc Collision and injury mitigation system using fuzzy cluster tracking
CN107330458A (zh) * 2017-06-27 2017-11-07 常州信息职业技术学院 一种最小方差优化初始聚类中心的模糊c均值聚类方法
CN109662727A (zh) * 2019-01-29 2019-04-23 广东工业大学 基于模糊聚类算法的胎儿心率检测方法与系统
CN111583214B (zh) * 2020-04-30 2023-06-30 江苏科技大学 基于rbf神经网络的航海雷达图像反演海面风速方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013239118A (ja) * 2012-05-17 2013-11-28 Osaka Prefecture Univ データ匿名化クラスタリング方法、装置およびプログラム
CN103699982A (zh) * 2013-12-26 2014-04-02 浙江工业大学 一种带软时间窗口的物流配送控制方法
CN104915560A (zh) * 2015-06-11 2015-09-16 万达信息股份有限公司 一种基于广义神经网络聚类的疾病病种诊疗方案预测方法
CN105956782A (zh) * 2016-05-12 2016-09-21 国网甘肃省电力公司电力科学研究院 电网设备购置决策评估方法
CN106682416A (zh) * 2016-12-24 2017-05-17 合肥城市云数据中心股份有限公司 基于多指标评价算法的污水企业水污染来源评估方法
CN107194526A (zh) * 2017-03-29 2017-09-22 国网浙江省电力公司经济技术研究院 一种基于模糊聚类的售电侧市场化改革进度评估方法
CN107679687A (zh) * 2017-08-29 2018-02-09 国网江苏省电力公司经济技术研究院 一种光伏出力建模方法以及发电系统可靠性评估方法
CN109308496A (zh) * 2018-10-11 2019-02-05 南昌工程学院 一种基于模糊聚类迭代与投影寻踪的最优方案遴选方法
CN112487552A (zh) * 2020-11-18 2021-03-12 南京航空航天大学 基于模糊聚类的飞翼无人机的包线划分以及增益调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
可变模糊优选模型的反TBM战斗部研制风险综合评价;韩晓明等;《火力与指挥控制》;20151215(第12期);84-88页 *
城市停车设施规划方案模糊自评判综合决策研究;周智勇等;《公路交通科技》;20041115(第11期);105-109页 *

Also Published As

Publication number Publication date
CN114398493A (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN110956273A (zh) 融合多种机器学习模型的征信评分方法及系统
CN103839183A (zh) 智能授信方法及智能授信装置
CN113537728A (zh) 一种基于产业园区招商智能推荐系统及推荐方法
CN114764682B (zh) 一种基于多机器学习算法融合的大米安全风险评估方法
CN111222545B (zh) 基于线性规划增量学习的图像分类方法
CN113220556A (zh) 航空电子系统体系贡献率评估系统
CN113537663A (zh) 基于topsis算法的无人机航迹评价方法
CN113011788B (zh) 一种海上交通事故应急决策方法、终端设备及存储介质
CN105117820A (zh) 一种基于dea-ahp的粮食储藏绿色度评价方法
CN106679670A (zh) 一种基于融合赋权的无人飞行器航迹规划决策方法
CN114398493B (zh) 一种基于模糊聚类与费效价值的无人机型谱构建方法
CN112785156B (zh) 一种基于聚类与综合评价的产业领袖识别方法
CN107977853A (zh) 一种汽车企业客户流失建模与分析方法
CN109165854B (zh) 空管运行效率等级评估方法及其装置
CN114398769B (zh) 一种无人直升机飞行控制系统评分自动获取方法
CN114499957A (zh) 一种网络信息安全动态评价系统及其方法
Kotenko et al. Supervised Machine Learning Models for Forecasting Fuel Consumption by Vehicles During the Grain Crops Delivery
CN114091904A (zh) 一种基于人工智能算法的企业迁移园区招商分析方法
Sun et al. Research on classification model of equipment support personnel based on collaborative filtering and xgboost algorithm
CN113191569A (zh) 一种基于大数据的企业管理方法及系统
Sun Multiple criteria decision analysis techniques in aircraft design and evaluation processes
Xu Ranking alternatives based on intuitionistic preference relation
CN110941904A (zh) 一种基于不同作战天气下的感知设备组合搭配方法
CN112488438A (zh) 一种结合信用信息的工业企业综合效益评价方法及系统
CN110097322A (zh) 一种虚拟场景中零件库存节点选址方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhou Lei

Inventor after: Zheng Zhenshan

Inventor after: Chen Junfeng

Inventor before: Zhou Lei

Inventor before: Zheng Zhenshan

Inventor before: Chen Junfeng

GR01 Patent grant
GR01 Patent grant