量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。

为解决目标径向速度对步进频率信号高分辨距离像的影响,以精确速度补偿为目的,设计了一种正负正步进跳频波形,以两帧正跳频脉冲序列和一帧负跳频脉冲序列作为一测速组。提出了一种高分辨距离像循环相关复合精确测速方法,通过粗细估值的复合得出速度精确估计值,并用于下一组脉冲序列的速度补偿。仿真结果表明该方法测速精度高,具有良好的抗噪声性能和抗目标机动性能,且运算量较小,适用于实时性要求较高的信号处理系统。

针对多传感器的系统偏差估计问题,提出了数据压缩卡尔曼滤波的精确配准方法。首先采用无偏转换测量模型,利用各传感器局部测量值来构造系统偏差的伪测量方程,然后引入数据压缩方法得到一个合成的测量值,并使用卡尔曼滤波得到偏差估计值。转换模型的无偏特性,保证了即使在测量噪声及系统偏差较大的情形下,估计结果仍然能有较好的一致性和稳定性。同时数据压缩方法可避免传统方法的多次迭代处理,只需一次滤波过程即可完成估计。仿真实验结果表明新方法的估计结果精度良好,同时可有效降低计算耗时。

以微带线为应用背景,使用拉普拉斯逆变换将频域BLT方程中的乘积运算转换为时域卷积,结合级数运算,将频域BLT方程扩展到时域BLT方程,并应用该时域BLT方程计算了均匀有耗微带线的瞬态终端响应电压。数值仿真结果表明,时域BLT方程与频域BLT方程的计算结果一致,从而验证了扩展得到的时域BLT方程的有效性,仿真结果也为微带线的集总源激励效应研究提供了参考。

提出一种求解电场体积分方程的快速算法——快速偶极子法 (fast dipole method, FDM),并用其求解了三维非均匀电各向异性介质目标的电磁散射问题。该方法基于等效偶极矩法 (equivalent dipole-moment method, EDM) 和Schaubert-Wilton-Glisson (SWG)基函数。在EDM中,将SWG基函数的体元对用偶极子等效,加快了阻抗矩阵元素的计算速度,但是并不能降低内存需求和矩阵求解时间。快速偶极子法通过简单的泰勒级数展开将阻抗矩阵元素的计算自然地转化为聚集-转移-发散的过程,有效地缓解了矩阵求解时间和内存消耗的矛盾。数值结果表明该方法的高效性以及令人满意的数值精度。

针对大型平面二维阵列,提出了一种快速的综合方法。首先根据单元激励初值,应用二维离散傅里叶逆变换(invert fast Fourier transform, IFFT)得出阵列方向图,然后与期望方向图比较,得出新的方向图,再应用二维快速傅里叶变换(fast Fourier transform, FFT)反算出新的单元激励。如此反复,直到方向图满足设计要求。该算法直接对大型平面二维阵列进行优化而不是针对一维线阵或小型阵列,而且天线单元数大于5 000。最后两个6 400（80×80）单元阵列的仿真结果表明该方法实用、高效。

相比于传统雷达系统,感知雷达能够通过对复杂多变的电磁环境感知自适应调整雷达发射波形,以适应当前的环境,实现推理和判决的优化,从而获得系统性能的大幅提升。从感知雷达的思想出发,研究了杂波环境下的波形自适应选择问题,提出了一种基于修正概率数据关联（modified probabilistic data association, MPDA）的波形自适应选择目标跟踪算法。采用MPDA算法建立和更新杂波下目标的航迹,利用修正的Riccati方程估计下一时刻的滤波协方差矩阵,并推导了相应的波形优化准则函数。仿真表明,该算法降低了密集杂波条件下的滤波误差,相比于未采用波形优化的PDA和MPDA算法,显著提高了跟踪性能。

基于贝叶斯估计原理,提出了一种贝叶斯逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像算法。基于最大后验概率准则建立ISAR成像模型,利用回波数据进行统计参数估计,以实现ISAR成像的自适应表征,从而提高ISAR成像的精度。特别是运动误差相位估计和ISAR图像的重构通过求解最优化问题实现,而未考虑误差相位的具体形式,具有较高的鲁棒性。此外,本文方法在低信噪比 (signal-to-noise ratio, SNR)条件下,可以取得良好的聚焦效果,具有较好的噪声抑制能力。最后,贝叶斯估计问题转换为最优化问题进行求解,利用快速傅里叶变换及其逆变换（fast Fourier transform/inversed fast Fourier transform, FFT/IFFT）和矩阵对应点乘（Hadamard乘积）操作,有效提高该算法的效率。基于实测数据的实验验证了本文算法的有效性。

提出了一种新的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达二维方位角及多普勒频率联合估计算法。该算法基于m-Capon方法将目标波离方向(direction of departure, DOD)与波达方向(direction of arrival, DOA)相“去耦”,得出了对目标DOD和DOA的估计；然后,在对目标二维方位角的估计的基础上,算法可进一步估计出目标的多普勒频率。因此,其估计出的目标二维方位角与多普勒频率可自动配对。该算法无需预判目标数及对数据协方差矩阵特征值分解,且对目标二维方位角与多普勒频率的联合估计不涉及高维的非线性优化搜索,具有较小的计算量。此外,该算法可适用于发射和接收阵列为任意阵列结构的双基地MIMO雷达系统。计算机仿真结果证明了本文方法的正确性和可行性。

首先提出一种基于波达方向（direction of arrival, DOA）矩阵思想的L型阵列多输入多输出（multiple input multiple output, MIMO）雷达二维角度估计方法。通过将L型阵列MIMO雷达所产生的二维虚拟平面阵列划分为两个子阵,并构造估计矩阵以实现二维角度估计。在此基础上,针对角度兼并问题,进一步提出联合对角化DOA矩阵方法。该方法通过构造4个子阵,并采用联合对角化方法估计目标二维角度。该方法在保持原DOA矩阵法无需二维谱峰搜索和参数配对等优点的基础上避免了角度兼并问题,能够减少阵列孔径损失,有效提高阵元利用率和角度估计精度。仿真实验验证了所提方法的有效性。

分析了常规时域编码信号用于多输入多输出（multiple-input multiple-output, MIMO）雷达发射信号无法获得良好的波形分集性能。提出了将空时二维编码技术用于MIMO雷达发射波形设计,理论分析得出该技术能有效抑制波形的互相关能量,提高回波信号的信杂比,可获得良好的波形分集性能,并分析了空时编码技术在实际中应用及其可能发展的几个方向。仿真结果表明了方法的有效性。

偏置相位中心方位多波束（displaced phase centers multiple azimuth beam, DPC-MAB）模式有效地提高了星载合成孔径雷达(synthetic aperture radar, SAR)系统的高分辨大测绘带(high resolution wide swath, HRWS)观测能力,但是脉冲重复频率（pulse repetition frequency, PRF）偏离均匀采样要求的最优值时,信号重构的性能会有恶化。依赖于有源相控阵天线灵活的波束形成能力,通过自适应地调整相位中心间距可以实现任意脉冲重复频率下的均匀采样,从而使得系统在信号重构、方位模糊抑制比以及信噪比等方面的性能得以优化。依赖于这样的阵列配置,还能够在无附加独立发射孔径的条件下实现多发多收（multiple-input multiple-output, MIMO）系统,进一步扩展系统功能。

针对多极化合成孔径雷达（polarimetric synthetic aperture radar, POLSAR)影像由于受到相干斑噪声影响导致分类精度较低,提出了一种基于均值漂移和多尺度马尔科夫随机场的非监督分类算法。该算法首先由Mean-Shift算法得到最粗尺度的初始分类结果,然后由马尔科夫随机场对结果进行优化得到最粗尺度最终分类结果。将上一尺度的分类结果映射到下一尺度作为初始分类结果,然后由Wishart分布对极化协方差矩阵进行建模并采用迭代条件模式（iterative conditional modes, ICM)算法求取基于最大后验下分类结果。逐层映射,最细尺度的结果作为最终分类结果。详细给出了算法的基本原理和实施步骤,并采用E-SAR和AirSAR数据对算法进行了验证。实验表明,与同类算法相比较,算法具有更高的分类精度。

针对水下目标探测中的分布式检测融合问题,提出了一种低信噪比条件下的多基阵检测融合系统模型。基于水声信道估计和似然比检测原理,研究并比较了NP(Neyman-Pearson)准则下局部基阵判决采用二相相移键控(binary phase shift keying, BPSK)和二进制启闭键控(on-off keying, OOK)两种调制方式时的检测融合性能。理论分析和仿真实验表明：在低信噪比条件下,与单基阵探测系统相比,利用本文提出的多基阵检测融合模型建立探测系统能够有效提高对未知目标的检测概率,模型的提出对于水下分布式目标探测系统的建立具有较高的理论参考价值。

贝叶斯网络结构学习是数据挖掘与知识发现领域的主要研究技术之一,在网络结构的搜索空间相对较大的情况下,已提出的相关算法往往都会存在算法收敛速度慢、学习到的结果准确性较差的缺陷。提出一种信息论结合粒子群优化的算法,利用互信息限制粒子的初始化,使得粒子群优化算法能在较短的时间内收敛,应用ASIA网络作为仿真模型,并与K2算法比较。实验结果表明,提出的算法能够快速、准确地得到贝叶斯网络结构。

针对计算机兵棋推演数据的特点,提出了一种基于密度的快速聚类算法—基于密度的快速空间聚类算法(quick density based spatial clustering of applications with noise, QDBSCAN),目的是通过聚类检测孤立点,快速定位地面部队兵力部署上的缺陷。QDBSCAN算法在基于密度的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)算法的基础上做了相关改进:在邻近度度量上提出了最短可行路径的概念,使聚类更符合计算机兵棋的规则；动态设置密度参数；采用提出的代表对象选择方法来减少对对象邻域的判断次数；按区域对数据进行分组以缩小聚类规模。实验表明,QDBSCAN算法的性能在数据规模较大的情况下,明显优于DBSCAN算法。

针对依据期望效用理论的风险性多属性决策方法未考虑决策者实际决策时的不理性,提出基于风险-效益比和前景理论的风险性多属性决策方法。该方法借鉴经济学中商品性价比,定义了能有效反映方案间对比信息的风险-效益比参数；同时,为更充分地在决策中体现决策者的不理性,基于前景理论价值函数对风险-效益比进行修正,使用加权法得到包含方案优劣偏好信息的判断矩阵,进而得到方案排序。计算实例表明,该方法可操作性强,方案评价结果符合实际决策存在的非理性,为此类问题解决提供了一个新的途径。

针对小样本振荡序列的预测问题,提出了基于单变量一阶灰色幂模型（简称GM(1,1)幂模型）的振荡序列建模方法。基于GM(1,1)幂模型中参数之间的关系,构建了一个非线性优化模型来寻求模型参数的最佳值,以此实现对振荡序列的高精度预测。结果表明,建模方法能够较好地体现数据的波动特征,且易于在计算机上实现,进一步拓宽了灰色模型的应用范围。最后以实例验证了所建模方法实用性和有效性。

针对目前危险性分级方法的不足,提出了基于故障树分析(fault tree analysis, FTA)与最小支持向量机(least square support vector machine, LS-SVM)的航空部件危险性定量分级方法。首先通过布尔代数法对FTA进行逻辑描述,采用概率重要度表示部件失效的后果严重程度,在此基础上通过LS-SVM对航空部件的危险性进行分级。实例证明,该方法能够准确地反映航空部件对飞行安全的影响。

研究了可修劣化系统的更换策略,对劣化系统建模常用的几何过程加以改进,提出了延迟几何过程的概念,认为系统维修后以概率p恢复至前一修复状态,而以概率q发生劣化。选择系统的故障次数N为更换策略,利用延迟几何过程建立了系统长期运行的平均费用率模型,并给出了系统最优更换策略的解析表达。最后给出了数值算例并将结果和基于传统几何过程的更换策略进行了比较,验证了该方法的合理性。

分析了装备调配保障的主要影响因素,研究了武器装备、弹药和器材等调配保障的特点和规律,提出了运用指数法、排队网络和模糊综合评判相结合的方法,预测和评估装备调配保障能力,其中指数法能够充分体现各要素之间的关联性。给出了仿真评估实例,验证了方法的实用性,为装备保障指挥决策和系统优化设计提供了理论依据和技术支持。

定量反馈理论（quantitative feedback theory, QFT）是一种频域鲁棒设计方法,定量地将系统结构摄动不确定性和性能设计指标反映到Nichols图上进行分析和设计,从而保证系统在跟踪性和鲁棒性两个方面均能达到设计要求。针对QFT的特点,将QFT方法应用到某型无人机纵向飞行控制律设计中。仿真结果表明,与利用经典控制理论设计的控制律相比,基于QFT的鲁棒控制律在跟踪性能、鲁棒性能和控制效率方面更加优秀,验证了该方法在飞行控制律设计中的有效性。

分析了风场对无人机航迹角的影响，定义空速、风速、目标运动速度的合向量为参考速度，将风场情形运动目标跟踪问题转化为以参考速度跟踪静止目标的情形。在静止目标跟踪航向控制律基础上，设计了一种风场情形基于参考速度的无人机地面目标跟踪航向控制律，使参考速度与摄像机视线垂直且无人机与目标水平距离为指定值。不同风速条件下的目标跟踪仿真验证了控制律的有效性。

提出了一种基于模糊逻辑的同步定位与地图创建(simultaneous localization and maping, SLAM)数据关联方法,该方法计算特征观测和特征估计的误差椭圆,对归一化新息和误差椭圆重叠比例进行模糊化处理,作为模糊系统输入变量,将数据关联结果作为模糊输出变量。通过融合这些特征信息建立模糊规则,进行模糊推理,最终获得数据关联结果。这种方法可以有效表达数据关联中存在的不确定性和模糊性,具有处理多个候选关联假设的能力,并且在实际观测与特征估计值距离较小时减少了误关联的发生,在实际观测与特征估计值距离较大时又避免了丢弃正确关联。仿真实验表明,新算法具有更好的抗干扰能力和鲁棒性,为SLAM的数据关联提供了一条新的途径。

针对多自由度变时延遥操作系统,建立了一种一般性的波变换公式并将波变量方法与预测技术相结合来保证系统的稳定性并提高系统的透明性。针对变化时延和预测模型不精确引起的稳态位置误差问题,提出了从端校正控制方法。首先,用波阻抗矩阵代替波阻抗b得到多自由度遥操作系统的波变换公式,从能量的角度推导出波阻抗矩阵的选择原则,基于此原则和矩阵之间的内在关系扩展了波阻抗矩阵的选择条件。分析了变时延条件下波预测控制的稳定性和由于变化时延与预测模型误差引起的主从端稳态位置误差,考虑主从端的位置信息处于同一个时间框架内,采用从端校正控制方法减小稳态位置误差。以三自由度主从遥操作系统为例进行了遥操作实验,实验结果表明所研究的方法能够保证系统的稳定性,且具有较高的透明性和较小的稳态位置误差。

针对载人登月任务中,登月舱上升级从月球表面上升入轨的制导问题,用显式制导法设计一种闭环的制导律。首先对共面发射入轨和异面发射入轨两种情形分别建立模型；然后,假设发动机推力固定,分别推导了显式制导律和基于极大值原理的燃料最优制导律,并进行了对比分析。以阿波罗飞船的参数进行仿真,结果表明显式制导法在综合考虑节省燃料、抗干扰和保证精度等因素后更具有优势,并且能很好地解决小角度异面发射的问题。因此,显式制导法具有更高的可靠性和灵活性,适合工程应用。

针对广义卡尔曼滤波(extended Kalman filter, EKF)和无迹卡尔曼滤波(unscented Kalman filter, UKF)缺乏对系统异常的在线自适应调整能力、导致滤波器精度降低的问题,提出了一种将强跟踪滤波(strong tracking filter, STF)和UKF相结合的滤波算法,并进一步采用部分状态信息作为间接观测量,同时量测噪声方差阵实时调整,从而避免了对观测方程求取Jacobi矩阵的过程,使滤波器的设计得到简化。将该算法应用于航天器自主导航系统中,仿真结果表明,该算法在系统出现突变或缓变异常时,能够迅速检测出异常,在保证较高估计精度的同时,提高了系统的可靠性。

近似静止状态时捷联惯导系统可观测性较差,利用卡尔曼滤波完成初始对准需要较长时间。针对这一问题提出了一种基于观测量扩充的捷联惯导系统快速初始对准方法。在不改变系统状态方程的情况下,将速度误差和地球转速作为系统观测量。并根据观测量的扩展详细地推导了观测方程,进而利用扩展卡尔曼滤波完成捷联惯导系统初始对准。车载试验结果表明,与传统的卡尔曼滤波对准方法相比,新方法在保证初始对准精度的同时缩短了初始对准时间。

为降低脉冲星导航解周期模糊空间搜索算法的试探次数，提出了一种基于匹配搜索的解模糊方法。先利用3颗脉冲星确定航天器位置，再引入第4颗脉冲星建立一组平面，并通过计算该组平面与航天器位置的最小距离来检验模糊向量。然后给出了点面最小距离、整周期数和相位差的关系，分析了整周期数对点面最小距离的影响。通过建立搜索模板，避免了对试探空间的遍历，降低了试探次数。仿真实验表明，在相同的条件下，算法试探次数较现有算法降低了4个数量级。

基于Lyapunov-Krasovskii (L-K) 泛函方法,结合线性矩阵不等式（linear matrix inequality, LMI）技术以及自适应控制方法,研究了一类不确定时变时滞大系统的模型参考跟踪控制问题,提出了一种鲁棒自适应分散控制器设计方法。时滞无关的控制器设计无需模型参考跟踪控制中苛刻的模型匹配条件且局部状态反馈增益以LMI 形式给出,便于计算机求解和参数优化。为避免控制过程中的自适应参数持续增长问题,提出了死区自适应算法。最后以仿真实例表明了所提方法的正确性与有效性。

无线传感器网络（wireless sensor networks, WSNs）由大量微小的传感器节点组成,分簇的网络架构能较好地处理大规模网络的自组织问题,因而成为WSNs提升性能和扩展性的标准方法。在拓扑发现、地理路由和目标追踪等应用中,重叠分簇能更好地满足要求,同时,辨别出WSNs的边界节点是重要的任务。与先前的基于节点的边界搜寻算法不同,提出了一种应对节点随机分布情况的自组织分簇算法。建立了重叠分簇,进而对重叠分簇进行分簇的边界融合,最后形成整个WSNs网络边界。仿真结果表明,该算法能够生成更为均衡的分簇,显著提高网络生存周期,并能有效的实现网络边界节点的搜索。

深入研究了并行计算与并行绘制相结合的并行框架构建问题。针对组网雷达探测能力的计算与可视化特点,在(PC)集群的基础上,构建了一个并行计算与可视化运行框架。该框架在并行计算中,采用八叉树分割的方法对组网雷达计算区域进行任务分配；在并行绘制中,采用sort-last的并行绘制机制。仿真试验结果表明,该运行框架能够有效地满足大规模组网雷达探测能力计算与可视化的应用需要。

利用地域分散的多传感器系统跟踪目标是网络瞄准的主要作战方式。首先结合网络瞄准的作战特点,建立了两种典型的分布式航迹融合结构；然后对网络瞄准环境下传感器量测噪声相关问题展开研究,分别给出了传感器量测噪声相关与不相关情形下的最优分布式航迹融合方法。理论分析和仿真计算表明，这些方法等价于集中式融合算法,可以显著减小由于噪声相关造成的融合性能下降,从而在一定程度上提高了瞄准过程中目标的定位精度。

针对联合自适应调制编码（adaptive modulation and coding, AMC）, 自动重传请求（automatic repeat request, ARQ）与包分割传输3种机制的通信系统,提出了一种ARQ多帧动态周期反馈机制,并建立了分析此系统的马尔可夫链模型,得到了包平均时延、平均反馈次数、平均掉包率和系统吞吐量等多种性能指标。在此基础上提出了在服务质量（quality of service, QoS）条件约束下,以最大化系统有效吞吐量为目标的双向链路跨层最优化算法。仿真结果表明,提出的马尔可夫链模型能精确预测系统的性能,与现有的单帧反馈和多帧固定周期反馈相比,提出反馈机制可达到更大的系统有效吞吐量。

针对低信噪比多径信道下,零前缀正交频分复用（zero prefix orthogonal frequency division multiplexing, ZP-OFDM）信号时域参数估计精度低的问题,提出了一种改进的ZP-OFDM信号时域参数盲估计方法。该方法首先计算信号的功率自相关函数,并利用小波消噪及平滑滤波对其进行预处理,通过检测峰峰值距离的方法完成符号总长度的估计。然后计算单位符号总长度数据的幅度平方值并对其进行小波分解与重构,设定门限提取一个零前缀估计值。最后通过多段数据联合估计确定最终的零前缀估计长度。仿真实验结果表明,在低信噪比多径信道条件下,提出ZP-OFDM信号的时域参数盲估计方法具有良好的估计性能。

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5 dB,比Tetrolet变换高约1.0 dB。

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取；其次利用三维二次函数剔除低对比度的特征点；然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价；再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化；最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。

为了对各种迭代无味卡尔曼滤波(iterated unscented Kalman filter, IUKF)算法的应用及性能表现给出较为全面、客观的评价，分别导出并探讨了3种IUKF算法之间的内在联系。多种情况下的仿真应用表明,当观测噪声不太大,且该非线性系统状态的后验密度为可用高斯分布很好近似的单峰形式时,或者说是引起系统非线性的状态量是完全瞬时可观测时,选用恰当的IUKF算法,通过2~3次迭代,就可以在保持滤波一致性的条件下,进一步获得显著的精度收益；否则,IUKF相对于无味卡尔曼滤波(unscented Kalman filter, UKF)的迭代收益就难以保证。

非线性非高斯下后验概率密度函数解析值无法获得，需设计合理的重要性密度函数进行逼近。传统粒子滤波(particle filter, PF)直接采用未含最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数。针对PF缺乏量测信息的问题,提出一种基于Cubature卡尔曼滤波(Cubature Kalman filter, CKF)重采样的Cubature粒子滤波新算法(Cubature particle filter, CPF)。该算法在先验分布更新阶段融入了最新的观测数据，通过CKF设计重要性密度函数，使其更加接近系统状态后验概率密度。仿真表明CPF估计精度高于PF和扩展卡尔曼滤波(extended particle filter, EPF)，与无轨迹粒子滤波(unscented particle filter, UPF)相比，其精度相当，但算法运行时间降低了约20%。

为提高支持向量机（support vector machine, SVM)算法对大规模数据的适应能力,加快SVM算法的分类速度,提出一种基于决策树的快速SVM分类方法。该方法的重点在于构建一棵决策树,将大规模问题分解为相对简单的子问题,树中节点由线性支持向量机组成,每个节点包含一个决策超平面,分类过程取决于节点的数量。此方法在分类复杂样本时避免了使用非线性核函数。并且由于使用线性核函数,则不用进行模型选择,进一步加快了样本的分类速度。实验表明,针对大规模多特征数据的非线性分类问题,该方法比传统方法具有更高的速度。

针对人工蜂群算法(artificial bee colony algorithm, ABC)在多峰优化时只能找到一个最优解,难以找到所有全局和局部最优解的问题,提出一种小生境ABC算法。利用小生境技术维持种群的多样性,使算法不再单单收敛于全局最优解；借助ABC算法具有较高寻优精度的特点精确寻找各个峰值点。对标准测试函数进行仿真,结果表明,小生境ABC算法能够准确、有效地找到多峰问题的全局和局部最优解,具有良好的多峰优化性能。

针对复杂仿真系统的学科面广、仿真规模大、技术领域宽等特点,提出了基于群组层次分析法（analytic hierarchy process, AHP)的复杂仿真系统可信度评估方法。首先,根据判断矩阵对专家水平进行评判,并结合专家的主观权重,给出了一种确定专家综合权重的方法。然后,利用Hadamard凸组合对不同专家所建立的判断矩阵进行集结,并证明了判断矩阵Hadamard凸组合的一个性质,进而获得复杂仿真系统可信度的群体评估值。最后给出一个实例验证了方法的有效性。