论文目录 | |
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 目录 | 第10-13页 |
| 第1章 绪论 | 第13-23页 |
| · 课题研究背景及意义 | 第13-15页 |
| · 相关领域的研究现状 | 第15-20页 |
| · 国外研究现状 | 第15-16页 |
| · 国内研究现状 | 第16-20页 |
| · 论文的主要研究内容和论文结构安排 | 第20-23页 |
| · 主要研究内容 | 第20-21页 |
| · 论文结构安排 | 第21-23页 |
| 第2章 光电防御系统作战效能评估指标体系的建立 | 第23-33页 |
| · 作战效能评估的基础理论 | 第23-26页 |
| · 光电防御系统作战效能评估指标体系的建立 | 第26-31页 |
| · 光电防御系统组成及工作原理 | 第26-27页 |
| · 作战效能评估指标体系的建立原则 | 第27-28页 |
| · 光电防御系统作战效能评估指标体系的建立 | 第28-31页 |
| · 本章小结 | 第31-33页 |
| 第3章 基于区间数与灰色系统理论的作战效能评估方法研究 | 第33-65页 |
| · 基于区间数与灰局势决策的作战效能评估方法 | 第33-46页 |
| · 灰局势决策的基本原理 | 第33-38页 |
| · 基于区间数与灰局势决策的作战效能评估模型 | 第38-42页 |
| · 算例分析 | 第42-46页 |
| · 基于区间数与灰模式关联决策的作战效能评估方法研究 | 第46-57页 |
| · 灰模式关联决策的基本原理 | 第46-49页 |
| · 基于区间数与灰模式关联决策的作战效能评估模型 | 第49-53页 |
| · 算例分析 | 第53-57页 |
| · 光电防御系统作战效能评估软件实现 | 第57-64页 |
| · 本章小结 | 第64-65页 |
| 第4章 基于神经网络的作战效能评估方法研究 | 第65-97页 |
| · 基于遗传算法（GA）优化 BP 神经网络的作战效能评估方法 | 第66-77页 |
| · 基于遗传算法（GA）优化 BP 神经网络的原理 | 第66-70页 |
| · 算例分析 | 第70-77页 |
| · 基于粒子群（PSO）优化 BP 神经网络的作战效能评估方法 | 第77-81页 |
| · 粒子群（PSO）优化 BP 神经网络原理 | 第77-78页 |
| · 算例分析 | 第78-81页 |
| · 基于蝙蝠算法（BA）优化 BP 神经网络的作战效能评估方法 | 第81-86页 |
| · 蝙蝠算法（BA）优化 BP 网络的原理 | 第81-84页 |
| · 算例分析 | 第84-86页 |
| · 基于遗传算法（GA）优化 SVM 的作战效能评估方法 | 第86-92页 |
| · 遗传算法优化 SVM 原理 | 第86-89页 |
| · 算例分析 | 第89-92页 |
| · 基于粒子群（PSO）优化 SVM 的作战效能评估方法 | 第92-96页 |
| · 粒子群（PSO）优化 SVM 原理 | 第92-93页 |
| · 算例分析 | 第93-96页 |
| · 本章小结 | 第96-97页 |
| 第5章 基于粗糙集与支持向量机的作战效能评估方法研究 | 第97-111页 |
| · 粗糙集的理论基础 | 第98-103页 |
| · 粗糙集定义[103] | 第98-99页 |
| · 决策表的知识约简算法 | 第99-103页 |
| · 基于粗集-支持向量机的作战效能评估方法 | 第103-110页 |
| · 基本思想 | 第103-104页 |
| · 算例分析 | 第104-110页 |
| · 本章小结 | 第110-111页 |
| 第6章 结论与展望 | 第111-115页 |
| · 论文工作总结 | 第111-113页 |
| · 论文创新点 | 第113页 |
| · 进一步的工作与展望 | 第113-115页 |
| 参考文献 | 第115-123页 |
| 在学期间学术成果情况 | 第123-125页 |
| 指导教师及作者简介 | 第125-127页 |
| 致谢 | 第127
页 |
