基于粗糙集的水下航行器灰色评估方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (36): 230-232.

基于粗糙集的水下航行器灰色评估方法

胡方,黄建国,褚福照,王汝夯

西北工业大学航海学院，西安 710072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-21 发布日期:2007-12-21
通讯作者: 胡方

Study on grey evaluation of underwater vehicle effectiveness based on rough set

HU Fang,HUANG Jian-guo,CHU Fu-zhao,WANG Ru-hang

College of Marine Engineering，Northwestern Polytechnical University，Xi’an 710072，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-21 Published:2007-12-21
Contact: HU Fang

摘要/Abstract

摘要： 针对水下航行器效能评估中，存在着指标信息不确定和指标间关系不明确的问题，运用粗糙集和灰色系统理论对水下航行器效能评估进行了研究，提出了基于粗糙集的水下航行器效能灰色评估方法，并论述了该方法的具体评估过程。结合实际水下航行器系统进行了应用分析，结果表明：该方法合理、可行，解决了水下航行器效能评估中存在的问题，提高了评估结论的正确性和有效性，为水下航行器系统的论证、设计和改进提供了科学的理论决策依据。

关键词: 粗糙集, 灰色, 水下航行器, 评估

Abstract: Considering the problems of index uncertainty information and unknown relationship between indexes in effectiveness evaluation of underwater vehicle system，an improved evaluation method of underwater vehicle effectiveness based on the theory of grey system and rough set is proposed，and the basic procedures of the method are described.An example of underwater vehicle systems has been used to illustrate the rationality and feasibility of the method.The results show that this model is a new and effective way to solve the problem and improve the accuracy and validity of evaluation conclusion.It is useful for demonstration，design and improvement of the underwater vehicle system.

Key words: rough set, grey, underwater vehicle, evaluation

胡方,黄建国,褚福照,王汝夯. 基于粗糙集的水下航行器灰色评估方法[J]. 计算机工程与应用, 2007, 43(36): 230-232.

HU Fang,HUANG Jian-guo,CHU Fu-zhao,WANG Ru-hang. Study on grey evaluation of underwater vehicle effectiveness based on rough set[J]. Computer Engineering and Applications, 2007, 43(36): 230-232.

[1]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[2]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[3]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[4]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[5]	李舵，董超群，司品超，何曼，刘钱超. 神经网络验证和测试技术研究综述[J]. 计算机工程与应用, 2021, 57(22): 53-67.
[6]	宋世杰，陈开颜，张阳. 信息熵角度下的深度学习旁路安全评估框架[J]. 计算机工程与应用, 2021, 57(17): 138-146.
[7]	吴卓钊，范科峰，莫玮. 多尺度权重评估的MSRCR混合曝光成像算法[J]. 计算机工程与应用, 2021, 57(17): 224-229.
[8]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[9]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[10]	车敏诗，聂春燕，杨承金，阮新磊，范如俊. 基于灰色关联法的生理信号与情绪关联度研究[J]. 计算机工程与应用, 2021, 57(11): 168-172.
[11]	张玉臣，张任川，刘璟，汪永伟. 应用深度自编码网络的网络安全态势评估[J]. 计算机工程与应用, 2020, 56(6): 92-98.
[12]	徐思敏，胡士强. 多属性融合网络的行人重识别方法[J]. 计算机工程与应用, 2020, 56(6): 126-132.
[13]	张海斌，刘娟，刘思璇，程宇. 基于卷积神经网络的心电信号质量分析[J]. 计算机工程与应用, 2020, 56(5): 147-152.
[14]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[15]	廖文雄，曾碧，梁天恺，徐雅芸，赵俊峰. 面向高维数据的个人信贷风险评估方法[J]. 计算机工程与应用, 2020, 56(4): 219-224.