针对互联网开放数据中文本表述模糊、实体边界不清等问题,构建航天语料库Space-Corpus,提出一种基于BERT+Bi-LSTM+CRF的航天领域命名实体识别模型。基于微调的多层双向Transformer编码器(bidirectional encoder representations from tr...针对互联网开放数据中文本表述模糊、实体边界不清等问题,构建航天语料库Space-Corpus,提出一种基于BERT+Bi-LSTM+CRF的航天领域命名实体识别模型。基于微调的多层双向Transformer编码器(bidirectional encoder representations from transformer,BERT)模型生成输入语料的向量化表示,结合双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM)获取上下文特征,通过条件随机场(conditional random field,CRF)层进行序列解码标注,输出得分最高的预测标签。实验结果表明,该模型在Space-Corpus语料库上较基于BERT模型、基于BERT+Bi-LSTM以及基于CNN+Bi-LSTM+CRF识别模型的准确率、召回率及F1值均有提升。展开更多
侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择...侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择压力与多样性不足的问题,提出了TOPSIS-MOPSO(Technique for Order Preference by Similarity to an Ideal Solution-Multi-Objective Particle Swarm Optimization)算法,将多属性决策领域的TOPSIS引入进化算法中,并与SPD(Strengthened Pareto Dominate)相结合,得到一种能够同时增强种群收敛性与多样性的环境选择策略。提出了基于Harmonic距离的全局最优粒子选择策略,加快种群收敛速度,保护种群多样性;提出了自适应进化算子选择策略,帮助算法摆脱局部最优解。将TOPSIS-MOPSO算法应用在侦察星座优化问题上,并与MOPSO、DGEA、AR-MOEA 3种经典方法进行实验对比分析,实验结果显示,所提算法比其他3种算法在Δ*、IGD和HV上的最优指标值分别提升了19.76%、89.07%和28.2%。展开更多
针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题...针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题和样本数据动态变化时产生的逆序现象等缺陷;在稳定性、特异性、敏感性和有效性4方面对经典TOPSIS模型、改进Tanimoto模型和改进对称差模型进行对比验证,给出2种改进模型的适用场景。结果表明,2种方法各具有一定的优势。展开更多
成像侦察星座的优化对于侦察时效性具有重要意义。当前侦察星座优化采用基于Pareto支配的进化算法,针对此类算法在解决优化目标函数维度大于3的侦察星座优化问题上出现的选择压力不足、多样性差等问题,提出一种改进的基于模糊关联熵的...成像侦察星座的优化对于侦察时效性具有重要意义。当前侦察星座优化采用基于Pareto支配的进化算法,针对此类算法在解决优化目标函数维度大于3的侦察星座优化问题上出现的选择压力不足、多样性差等问题,提出一种改进的基于模糊关联熵的粒子群算法(Improved Particle Swarm Optimization Algorithm Based on Relative Entropy of Fuzzy Sets,IFREM-PSO)。算法对自适应惯性权重策略进行改进,增强了收敛速度与收敛精度;引入变异策略,有利于跳出局部最优解;对外部档案维护策略进行改进,增强多样性。以面向区域目标的可见光侦察星座的设计与优化为背景,分别使用多目标粒子群算法MOPSO(Multiple Object Particle Swarm Optimization)、基于模糊关联熵算法FREM-PSO(Particle Swarm Optimization Algorithm Based on Relative Entropy of Fuzzy Sets)和本文提出的IFREM-PSO对侦察星座进行优化。实验结果表明,FREM-PSO算法在该问题上具有更好的表现,而相比FREM-PSO算法,IFREM-PSO算法在收敛速度上有显著提升,在收敛效果和多样性上表现更好。展开更多
“需求牵引、技术推动”是装备体系建设发展的主要规律,围绕军事领域体系需求论证分析问题,在明确体系需求分析基本内涵的基础上,融合威胁和能力的优点提出体系需求分析流程;针对体系需求分析中能力差距度量和映射分析等关键技术问题,...“需求牵引、技术推动”是装备体系建设发展的主要规律,围绕军事领域体系需求论证分析问题,在明确体系需求分析基本内涵的基础上,融合威胁和能力的优点提出体系需求分析流程;针对体系需求分析中能力差距度量和映射分析等关键技术问题,建立了能力差距度量模型,采用质量功能展开(Quality Function Deployment,QFD)方法实现了能力需求-系统需求-技术需求之间的映射;并以典型空间目标监视体系分析为例,验证了本文提出的体系需求分析方法,为开展体系需求分析提供理论参考。展开更多
文摘针对互联网开放数据中文本表述模糊、实体边界不清等问题,构建航天语料库Space-Corpus,提出一种基于BERT+Bi-LSTM+CRF的航天领域命名实体识别模型。基于微调的多层双向Transformer编码器(bidirectional encoder representations from transformer,BERT)模型生成输入语料的向量化表示,结合双向长短期记忆网络(bi-directional long short-term memory,Bi-LSTM)获取上下文特征,通过条件随机场(conditional random field,CRF)层进行序列解码标注,输出得分最高的预测标签。实验结果表明,该模型在Space-Corpus语料库上较基于BERT模型、基于BERT+Bi-LSTM以及基于CNN+Bi-LSTM+CRF识别模型的准确率、召回率及F1值均有提升。
文摘侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择压力与多样性不足的问题,提出了TOPSIS-MOPSO(Technique for Order Preference by Similarity to an Ideal Solution-Multi-Objective Particle Swarm Optimization)算法,将多属性决策领域的TOPSIS引入进化算法中,并与SPD(Strengthened Pareto Dominate)相结合,得到一种能够同时增强种群收敛性与多样性的环境选择策略。提出了基于Harmonic距离的全局最优粒子选择策略,加快种群收敛速度,保护种群多样性;提出了自适应进化算子选择策略,帮助算法摆脱局部最优解。将TOPSIS-MOPSO算法应用在侦察星座优化问题上,并与MOPSO、DGEA、AR-MOEA 3种经典方法进行实验对比分析,实验结果显示,所提算法比其他3种算法在Δ*、IGD和HV上的最优指标值分别提升了19.76%、89.07%和28.2%。
文摘针对逼近理想点排序法(technique for order preference by similarity to ideal solution,TOPSIS)存在的缺陷,提出基于Tanimoto系数和基于对称差的2种改进TOPSIS。改善或解决TOPSIS存在指标相关性问题、特殊样本集合无法比较优劣问题和样本数据动态变化时产生的逆序现象等缺陷;在稳定性、特异性、敏感性和有效性4方面对经典TOPSIS模型、改进Tanimoto模型和改进对称差模型进行对比验证,给出2种改进模型的适用场景。结果表明,2种方法各具有一定的优势。
文摘成像侦察星座的优化对于侦察时效性具有重要意义。当前侦察星座优化采用基于Pareto支配的进化算法,针对此类算法在解决优化目标函数维度大于3的侦察星座优化问题上出现的选择压力不足、多样性差等问题,提出一种改进的基于模糊关联熵的粒子群算法(Improved Particle Swarm Optimization Algorithm Based on Relative Entropy of Fuzzy Sets,IFREM-PSO)。算法对自适应惯性权重策略进行改进,增强了收敛速度与收敛精度;引入变异策略,有利于跳出局部最优解;对外部档案维护策略进行改进,增强多样性。以面向区域目标的可见光侦察星座的设计与优化为背景,分别使用多目标粒子群算法MOPSO(Multiple Object Particle Swarm Optimization)、基于模糊关联熵算法FREM-PSO(Particle Swarm Optimization Algorithm Based on Relative Entropy of Fuzzy Sets)和本文提出的IFREM-PSO对侦察星座进行优化。实验结果表明,FREM-PSO算法在该问题上具有更好的表现,而相比FREM-PSO算法,IFREM-PSO算法在收敛速度上有显著提升,在收敛效果和多样性上表现更好。
文摘“需求牵引、技术推动”是装备体系建设发展的主要规律,围绕军事领域体系需求论证分析问题,在明确体系需求分析基本内涵的基础上,融合威胁和能力的优点提出体系需求分析流程;针对体系需求分析中能力差距度量和映射分析等关键技术问题,建立了能力差距度量模型,采用质量功能展开(Quality Function Deployment,QFD)方法实现了能力需求-系统需求-技术需求之间的映射;并以典型空间目标监视体系分析为例,验证了本文提出的体系需求分析方法,为开展体系需求分析提供理论参考。
