基于二进制移位的嵌套区间层次模型算法优化

嵌套区间是嵌套集合理论在有理数范围的扩展,利用有理分数进行层次结构编码的方式,解决了嵌套集合模型中节点容量受限和节点变形操作性能较差的问题。嵌套区间模型中节点编码会随着层次结构规模增大而呈指数增加,导致节点操作性能下降且存储增加。针对此问题,研究了嵌套区间的数学模型,根据节点编码特点,提出了一套基于二进制移位原理的嵌套区间模型优化算法,可将算法时间复杂度降为O(1),提高层次结构操作效率。同时设计了一种新的节点存储结构,可以降低磁盘存储。实验结果表明,新算法和存储结构能够显著提高节点操作效率并降低存储。

基于D-S证据理论的发动机部件性能降级量化融合研究

针对多方法计算所得发动机部件性能降级无法直接应用Dempster-Shafer(D-S)证据理论融合的问题,提出一种实现降级参数量化融合的方法。以一段时间内计算结果作为样本,融合性能模型输出结果和神经网络输出结果,通过划分区间统计样本落入区间的频率构造基本概率赋值(BPA),从而实现性能降级的量化融合。对比了独立区间划分法和嵌套区间划分法两种BPA构造方法的融合结果,得出了嵌套区间划分法构造BPA具有更适合量化融合的主要结论。