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