电子装备试验数据的非统计分析理论及应用【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

电子装备试验数据的非统计分析理论及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 基础理论2

第1章 绪论2

1.1 电子装备试验活动及其数据分析2

1.1.1 电子装备试验活动2

1.1.2 电子装备试验数据分析6

1.1.3 试验数据非统计处理需求7

1.2 试验数据非统计处理的研究现状与发展9

1.2.1 试验数据的非统计数学研究方法9

1.2.2 试验数据非统计处理的研究现状15

1.2.3 试验数据非统计处理的发展23

1.3 试验数据的非统计处理研究内容24

1.3.1 研究体系框架25

1.3.2 主要研究内容26

第2章 试验数据的非统计预处理模型与方法29

2.1 试验数据的不确定性特征与识别29

2.1.1 试验数据的不确定性内涵与外延29

2.1.2 试验数据的不确定性识别31

2.2 定性试验数据的量化处理模型33

2.2.1 基于灰色白化函数的转换方法33

2.2.2 基于模糊数学的转换方法37

2.2.3 基于云模型的转换方法37

2.3 试验数据的规范化处理模型40

2.3.1 无量纲化处理41

2.3.2 归一化处理41

2.3.3 等极性化处理42

2.4 试验数据的非统计不确定性评定模型43

2.4.1 模糊性不确定性测度43

2.4.2 灰色性不确定性测度44

2.4.3 未确知性不确定性测度44

2.4.4 联系度不确定性测度45

第2部分 处理与分析48

第3章 试验数据的灰色误差分析理论与应用48

3.1 试验数据的灰数表达与灰色分析48

3.1.1 电子装备试验数据的灰数与数据列表示49

3.1.2 试验数据的累加（减）生成51

3.1.3 灰色关联分析53

3.1.4 GM（1,1）模型56

3.2 粗大误差判别的灰色包络方法59

3.2.1 灰色包络判别准则59

3.2.2 灰色包络判别实例61

3.3 基于GM（1,1）模型的粗大误差直接判别法63

3.3.1 基于GM（1,1）模型的直接判别法63

3.3.2 基于GM（1,1）模型的直接判别法实例65

3.3.3 直接判别法可行性仿真实例67

3.4 粗大误差的GM（1,1）模型精度判别法72

3.4.1 GM（1,1）模型精度判别法原理72

3.4.2 GM（1,1）模型精度判别法实例73

3.5 系统误差判别的灰色系统方法75

3.5.1 系统误差的灰色关联判别方法75

3.5.2 系统误差的GM（1,1）模型判别76

3.5.3 系统误差的灰色判别实例76

第4章 试验数据的灰色估计理论与应用80

4.1 试验数据列的灰色距离信息模型80

4.1.1 基于灰色系统理论与范数的灰色距离定义80

4.1.2 灰色距离信息量的定义与性质82

4.1.3 平均距离信息量的定义与性质84

4.2 试验数据列的灰色点估计模型86

4.2.1 参数的点估计模型87

4.2.2 不确定度评定88

4.2.3 灰色点估计结果的接受与拒绝标准90

4.3 试验数据列的灰色区间估计模型91

4.3.1 试验数据灰色估计区间的确定91

4.3.2 与传统概率参数估计的比较92

4.4 试验数据列的灰色估计步骤与算例95

4.4.1 试验数据列的灰色估计步骤95

4.4.2 试验数据的灰色点估计算例与分析95

4.4.3 试验数据的灰色区间估计算例与分析97

第5章 试验数据的模糊分析理论与应用101

5.1 基于模糊集的试验数据表达101

5.1.1 模糊集合的概念101

5.1.2 试验数据与模糊信息103

5.1.3 基于历史试验数据的隶属度确定方法105

5.1.4 基于模糊隶属度的试验数据表达模型107

5.2 基于模糊概率的试验数据表达108

5.2.1 模糊事件与模糊概率108

5.2.2 基于模糊事件的雷达发现目标概率109

5.2.3 抽检中不合格装备的模糊概率表达110

5.3 粗大误差的模糊判别方法111

5.3.1 模糊信息扩散原理及信息扩散估计111

5.3.2 基于模糊熵的粗大误差判别原理与应用114

5.3.3 基于模糊聚类的粗大误差判别原理与应用118

5.4 试验数据的模糊估计模型与实例121

5.4.1 基于模糊测度的点估计模型与实例121

5.4.2 基于模糊信息扩散原理的参数点估计模型124

5.4.3 基于模糊隶属度的区间估计模型与实例127

第6章 基于未确知有理数的试验数据分析理论与应用130

6.1 试验数据的未确知有理数表达130

6.1.1 未确知有理数的定义131

6.1.2 小样本试验数据的未确知有理数构造模型133

6.2 未确知有理数的数学运算134

6.2.1 未确知有理数的加（减）运算134

6.2.2 未确知有理数的乘（除）运算137

6.2.3 未确知有理数的大小关系138

6.3 基于未确知有理数的粗大误差判别138

6.3.1 基于未确知有理数的判别原理139

6.3.2 领域半径的确定模型与仿真140

6.3.3 等效辐射功率测试数据的粗大误差判别实例143

6.4 基于未确知有理数的参数估计145

6.4.1 未确知有理数的数学期望145

6.4.2 未确知有理数的方差146

6.4.3 接收机灵敏度的抽样确定147

6.4.4 电子装备侦察能力的比较与分析149

6.5 基于未确知有理数的试验数据分析实例151

6.5.1 天线增益的未确知有理数表达与分析152

6.5.2 电子装备试验周期的整体优化156

6.5.3 电子干扰装备等效功率的可靠度分析159

6.5.4 电子侦察装备的配备数量分析163

第7章 基于盲数的试验数据分析理论与应用167

7.1 盲数的定义与运算167

7.1.1 盲数的定义167

7.1.2 盲数的运算168

7.1.3 盲数的均值170

7.2 盲数的可信度及盲数模型170

7.2.1 盲数的可信度170

7.2.2 盲数模型171

7.3 基于盲数的试验数据分析实例172

7.3.1 基于盲数的电子侦察分队侦察能力分析172

7.3.2 基于盲数的电子侦察装备配备数量分析174

7.3.3 基于盲数的装备对抗态势分析176

第8章 基于联系数的试验数据分析理论与应用178

8.1 基于联系数的试验数据表达178

8.1.1 联系数表达与分析模型178

8.1.2 电子装备试验数据的联系数模型180

8.1.3 不确定性系数i的取值方法184

8.2 基于联系数的试验数据处理实例186

8.2.1 电子系统可靠度的联系数表示模型186

8.2.2 侦察能力的联系数表示与比较187

8.2.3 基于联系数的试验时间不确定性分析模型189

8.3 基于联系数的试验数据方差分析及应用192

8.3.1 联系数的构造及其基本运算192

8.3.2 基于联系数的试验数据方差分析原理193

8.3.3 信噪比对接收机性能的影响程度分析195

8.4 基于集对同势的试验数据分析及应用197

8.4.1 集对同势的相关概念197

8.4.2 基于集对同势的试验数据分析示例198

8.5 基于联系数的电子装备效能分析199

8.5.1 基于联系数的电子装备系统效能分析199

8.5.2 基于联系数的电子装备体系效能分析201

第3部分 预测与聚类208

第9章 试验数据的灰预测理论与应用208

9.1 试验数据预测概述208

9.2 基于灰色Verhulst优化模型的数据预测209

9.2.1 灰色Verhulst模型及其求解210

9.2.2 灰色Verhulst优化模型211

9.2.3 电子装备平均故障工作时间预测213

9.2.4 电子装备试验配试设备的研制费用预测216

9.3 基于GM（1,N）模型的装备工作状态估计218

9.3.1 GM（1,N）模型及其参数估计219

9.3.2 GM（0,N）模型及其参数估计221

9.3.3 电子装备的数据传输误码率建模221

9.3.4 信号侦察概率的影响因素建模分析226

9.4 GM（1,N）优化模型及其应用233

9.4.1 GM（1,N）优化模型233

9.4.2 基于GM（1,3）优化模型的数据传输差错率建模234

9.4.3 基于GM（1,4）优化模型的侦察概率影响因素分析236

9.5 基于MGM（1,N）模型的数据预测239

9.5.1 MGM（1,N）模型及其参数估计240

9.5.2 基于MGM（1,N）的目标轨迹预测原理242

9.5.3 无人机飞行轨迹预测实例仿真245

9.6 基于区间数的GM（1,1）与灰色Verhulst模型及其应用255

9.6.1 基于区间数的GM（1,1）模型255

9.6.2 基于区间数的灰色Verhulst模型259

9.6.3 运动目标距离的区间GM（1,1）模型预测259

9.6.4 电子装备训练效果的区间灰色Verhulst模型预测263

第10章 试验数据的灰聚类理论与应用267

10.1 试验数据聚类概述267

10.2 灰色关联聚类及应用268

10.2.1 灰色绝对关联度的定义268

10.2.2 灰色关联聚类原理269

10.2.3 灰色关联聚类的可靠性270

10.2.4 电子装备性能评价指标的归类约减272

10.2.5 基于灰关联的通信侦察装备归类274

10.3 灰色面积变权聚类及应用276

10.3.1 灰色面积变权聚类原理276

10.3.2 灰色面积变权聚类流程279

10.3.3 作战对象模拟程度的灰色聚类280

10.4 灰色关联熵权聚类及应用286

10.4.1 灰色关联熵权聚类原理286

10.4.2 灰色关联熵权聚类流程287

10.4.3 作战对象模拟程度的灰色关联熵权聚类288

第11章 试验数据的模糊聚类技术290

11.1 试验数据的模糊聚类原理290

11.1.1 模糊聚类分析法290

11.1.2 基于模糊模式识别的试验数据聚类292

11.2 试验数据的模糊聚类应用实例294

11.2.1 基于侦察能力的电子装备分类294

11.2.2 电子装备侦察能力的分类298

第12章 试验数据的未确知预测与聚类301

12.1 基于未确知有理数的试验数据预测模型301

12.1.1 通信接收机信干比的预测计算301

12.1.2 基于未确知有理数的装备作战能力预测305

12.2 基于未确知有理数的聚类模型308

12.2.1 未确知有理数的质心与大小关系308

12.2.2 基于未确知有理数的装备性能聚类模型309

12.2.3 装备性能聚类事例311

12.3 试验数据的未确知均值聚类314

12.3.1 未确知均值聚类的基本思想315

12.3.2 未确知均值聚类的基本步骤317

12.3.3 基于未确知均值聚类的侦察装备性能分析318

12.3.4 装备操作水平的未确知均值聚类321

第13章 试验数据的联系数预测与聚类方法324

13.1 试验数据的联系数预测模型324

13.1.1 基于均值的联系数预测原理324

13.1.2 基于极值的联系数预测原理325

13.1.3 电子侦察装备的性能预测325

13.2 试验数据的联系数聚类原理与实例326

13.2.1 基于距离矩阵的联系数聚类原理326

13.2.2 基于距离矩阵的侦察装备聚类示例328

参考文献332