基于小世界网络模型的“梅特卡夫定律”反思*

为了真正认清"网络中心战"的理论价值,对按照作为其理论支撑的"梅特卡夫定律"所规定的网络连接方式进行反思,定性分析了其带来的复杂性,并且应用小世界模型(WS)建立了复杂网络价值增益模型并进行了综合分析,发现实际网络不能够按照"梅特卡夫定律"的要求组网,指出"网络中心战"的理论缺陷,对我军信息化建设有一定的启示.     

网络中心战C4ISR系统研究及效能应用分析

根据网络中心战中C4ISR系统体系结构特点,建立了关于C4ISR系统的体系结构模型和指控系统的逻辑模型,分析了该模型对未来作战的影响。在建立的网络结构模型的基础上,建立了编队对地攻击网络结构模型。根据编队对地攻击模型中节点的特点,运用梅特卡夫定律和组合数学相结合建立评估编队能力指数的评价标准。该算法能量化作战编队作战效能,能较好地与实际作战相结合。     

从综合集成角度研究美军“网络中心战”

首先分析了军事系统的复杂性以及综合集成理论对军事系统建设的指导作用；然后以美军军事系统建设为例，指出其“网络中心战”思想是综合集成理论的一种具体实践形式，同时论述了“网络中心战”与综合集成思想的关系；最后通过论述美军“网络中心战”建设取得的成绩和具有的能力，为我军军事变革提供借鉴。     

冷看“网络中心战”

近年来,美国国防部提出一种新的作战理论和样式——网络中心战,国内也随之掀起了一场研究“网络中心战”的高潮。但是若仔细研究便不难发现,绝大部分的文章对于所谓“网络中心战”看得过高,缺乏冷静的分析。一、“网络中心战”只是一种网络技术在军事领域的运用“网络中心战”原是一个新的海军作战概念。1998年1月的美国《海军研究院期刊》上对“网络中心战”给出如下定义:“地理上分散的部队通过坚强的、规范的网络互联而获得力量。关键因素是高效能的信息网络,通过它可访问和控制所有的信息资源、武器射击和高速精确机动,以及倍增的指挥和…     

冷看“网络中心站”

近年来,美国国防部提出一种新的作战理论和样式——网络中心战,国内也随之掀起了一场研究“网络中心战”的高潮。但是若仔细研究便不难发现,绝大部分的文章对于所谓“网络中心战”看得过高,缺乏冷静的分析。     

对网络中心战认识的深化

在战争背景下,地域上分散的部队以网络为中心实施的军事行动,称为网络中心战(Network Centric Wartare),“网络中心战”是相对于传统“平台中心战”的一种新作战概念。平台中心战的各作战平台主要依靠自身的探测器和武器进行作战, 而网络中心战则把各参战部队、各作战平台连为一体, 使分散配置的兵力,兵器能有效地协调行动。1997年4月23日,美国海军作战部长约翰逊上将首次提出“网络中心战”概念,引起美国防部和国际防务界的极大关注。美军率先开展了“网络中心战”的研究与实践。2001年7月27日,美国国防部递交国会《网络中心战》报告,标志着美三军统一了认识,开始全面推进网络中心战建设。本刊近几年曾多次刊登有关网络中心战的文章。《美军网络中心战》专题将全面介绍美三军网络中心战建设的新进展。     

基于效果的网络中心战模型研究

基于效果的网络中心战是利用物理域内分布式传感器网络、指挥控制网络和武器平台网络.通过网络内部以及网络之间信息域中高质量的信息共享,实现军事人员认知域态势感知共享和部队自同步,是信息时代的一种新兴的作战样式,体现了"兵力分散,效果集中"的信息化战争的作战思想.通过分析基于效果的网络中心战,建立了基于效果的网络中心战体系结构模型和未来军事行动中实施该理论的任务进程模型,对我军未来信息化作战条件下联合作战的实施具有一定的指导意义.     

网络中心战的系统动力学模型研究

网络中心战是信息时代的一种新的作战模式,深入研究其特点及对作战的影响具有十分重要的意义。明确了网络中心战的基本概念,基于系统动力学理论,针对网络中心战对空军作战的影响,建立了相应的系统动力学模型,通过不同仿真结果的比较,阐明了网络中心战的主要特点,并做出了相应的对策分析。     

基于物联网的网络中心战实施环境

随着当今网络技术迅猛发展,“网络中心战”作为一种全新的作战模式正在形成,已经成为当今世界军事科学研究的热点和重点问题之一.物联网作为下一代通信网的发展主流,使得网络中心战的实施有了丰富的技术基础.在分析了物联网的体系结构与网络中心战的内涵之后,阐述了利用物联网作为网络中心战的实施平台的思想,充分利用物联网技术实现网络中心战.     

计算机病毒攻击条件下的信息网络效能度量

从网络中心战的内涵入手,分析了其内部逻辑结构,指出信息网络是网络中心战效能得以发挥的关键,将信息网络的效能模型与计算机病毒在网络中的传播模型相结合,建立了计算机病毒攻击条件下的信息网络效能度量模型.在蓝方进行计算机病毒攻击条件下,针对红方采取有效的反病毒措施和不能采取有效反病毒措施,进行了仿真模拟,并分析了对信息网络的效能所产生的影响,得出了有价值的结论.     

超视距协同空战网络化效应研究

利用复杂网络理论将超视距协同空战的实体及其之间的联系进行节点和边的抽象处理,分别从编队无协同、仅火力协同、仅传感器协同(树型/分布式指挥结构)、传感器+指控协同(树型/分布式指挥结构)、传感器+指控+火力协同(树型/分布式指挥结构)、预警机指挥引导下的传感器+指控+火力协同(树型/分布式指挥结构)进行网络化协同结构模型构建。在所构建的模型基础上进行网络化效应分析,体现网络化协同结构对超视距协同空战的影响,为后续研究超视距空战协同提供相关理论基础。     

基于复杂网络理论的指挥信息网络拓扑模型研究*

从网络科学的科学的观点出发对指挥信息系统拓扑模型进行研究,建立了指挥关系网络拓扑模型、通信网络拓扑模型,以及在两者基础上的指挥信息网络拓扑模型,分析了指挥信息网络的度分布特性,提出了描述指挥信息网络的特征参量,进行了针对指挥信息网络的体系破击仿真实验,得出了与战争实际相符的结论,为利用复杂网络知识研究信息化条件下的体系对抗进行了积极地尝试和探索。     

无产阶级军事家与“高树勋运动”的兴起

毛泽东、朱德、邓小平等无产阶级军事家对“高树勋运动”在解放战争时期的兴起作出了各自的贡献：邓小平通过做争取高树勋的统战工作，为“高树勋运动”兴起创造出实践经验，树立起实践典型；毛泽东发出“开展高树勋运动”的号召，要求全军广泛“开展高树勋运动”；朱德则把“高树勋运动”提高到符合历史规律的理论高度作出肯定。     

复杂电磁环境下组网雷达探测能力仿真评估研究

为研究复杂电磁环境与组网方式对组网雷达探测能力的影响,构建了复杂电磁环境下雷达探测能力云规则算法模型和探测能力评估模型,然后利用Netlogo仿真平台实现了对3组复杂电磁环境下雷达组网方案探测能力的仿真和评估．仿真结果表明复杂电磁环境对组网雷达探测能力影响明显,通过调整组网方式可以有效提高组网雷达探测能力．     

基于fMRI的静息状态脑功能复杂网络分析

分析静息状态下人脑中不同区域之间的功能连接模式对研究静息状态下人脑正常功能活动具有重要意义。基于复杂网络理论对脑功能网络进行建模,考察静息状态脑功能网络的结构和拓扑特性。结果显示,网络具有小世界性质和无标度特性。进一步引入一种概率混合模型分析网络社团结构,得到的10个子网络中包含视觉系统、听觉系统、运动系统、默认网络以及与执行和工作记忆相关的脑区。推测出静息状态脑功能网络是由这些相对独立又彼此关联的子网络组成,其中楔前叶和扣带回作为网络的关键节点,在信息调度和传递中占据重要地位。     

C~4ISR系统结构的网络分析

针对现代网络中心战中C~4ISR系统的特点,从复杂网络的角度,对C~4ISR系统结构进行了网络分析.采用基于多智能体的仿真方法,建立了两种C~4ISR系统的网络结构仿真模型,基于这些模型研究了不同网络结构下信息的失真率和延迟量.讨论了信息失真和延迟分别对集中式网络与分布式网络作战效能的影响.结果表明所提思路和方法是正确、有效的.     

试论赢政的用人之道

通过对赢政用人方面的一些具体事例的分析，从七个方面总结和概括了赢政用人思想的特点：“不却众庶”，以法治吏；广泛搜寻，择长而用；唯才是用，不拘小节；用人不疑，重视结果；集思广益，择善而从。纵观赢政一生，他的用人思想是一个不断变化和发展的过程，其在大部分时间里采取了比较正确的用人政策，只是在执政的最后几年里暴虐无常，迫害了大量人才。所有这些都是很值得我们进一步深入研究和借鉴的。     

大学公共英语教师如何应对教学改革——一项基于高职院校英语教学改革的研究

随着“工学结合”理念在高等教育中的深入，新一轮的英语教学改革蓄势待发。高职院校已走在了改革的前沿，新的《高等职业教育英语课程教学要求》已于2009年试行，在教学内容、教学方法等方面对教师有了更高的要求。通过研究高职院校外语教师如何适应新一轮的教学改革，前瞻了本科院校新一轮的公共英语教学改革之路，提出大学公共英语教师主动作为，调整自己，适应教学改革的要求。     

基于复杂网络理论的指挥信息网络拓扑模型研究

从网络科学的观点出发对作战指挥机构进行研究,建立了指挥关系网络和通信网络,以及在两者基础上的指挥信息网络拓扑模型,分析了指挥信息网络的度分布特性,提出了描述指挥信息网络的特征参量,进行了针对指挥信息网络的体系破击仿真实验,得出了与战争实际相符的结论,为利用复杂网络知识研究信息化条件下的体系对抗进行了积极地尝试和探索。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。