固体火箭推进技术的发展

本文介绍了固体火箭推进技术的发展趋势;对于战略导弹发动机,主要是提高发动机性能,使导弹小型化,能在汽车上、火车上或飞机上机动发射,对于防空导弹发动机,主要是发展推力可控技术和无烟推进剂,使导弹能对付高速、高机动的目标,并使发射场和导弹本身不被烟雾暴露;对于运载火箭助推器和小型运载火箭发动机,主要是降低成本和提高可靠性。固体火箭推进技术应用于国民经济建设,也是其发展的一个重要方面。     

对信息流控制机制的一点注记——关于可变级机制语义的探讨

本文讨论对可变安全性级的基于执行的信息流控制机制的语义修改     

文化意识与外语教学

从理论上论述了语言与社会一文化的关系,并结合教学实际,阐述了加强学生文化意识的意义及结合语言学习进行文化意识培养的方法.     

多媒体信息集成的应用研究

通过多媒体信息集成在军事中的应用实例——WOSMS多媒体系统,对多媒体信息集成中的同步控制、资源管理、信息集成等技术问题,进行了论述。     

关于收缩算子的异步迭代收敛性

论证了Ｆ为收缩算子时,求解Ｘ＝Ｆ（Ｘ）的异步迭代方法初值选取范围,提出了异步迭代的大范围收敛方法。     

利用灰色理论与时间序列探讨我国物价指数的发展变化

本文根据装备建设的需要,对物价指数的变化进行了研究,首先依据原始数据利用灰色理论建立预测模型,在分析模型精度基础上,提出了灰色时间序列模型,使模型精度得到提高。并根据我国物价指数变化的特点,进一步建立了上包络线模型．使本文更具实际意义。     

正则有理 Bé zier 曲线的等距曲线算法

通过利用改进的有理德卡斯特里奥算法求得正则有理n次Bé zier 曲线各点处的切矢,由此得到各点的单位法矢量,应用于求原始曲线的等距曲线.从而巧妙地解决了原始正则有理n次 Bé zier 曲线上各点的单位法矢量难求的困难。该方法几何意义明显,算法简洁,实践效果比较好,最后本文给出了两个实例。     

C2有理插值样条曲线曲面

首先提出一组基函数向量,它具有以下特定的性质：ＢＢ（０）Ｔ＝（０．０,１．０,０．０,０．０）,ＢＢ（１）Ｔ＝（０．０,０．０,１．０,０．０）ＢＢ＇（０）Ｔ＝（－０．５,０．０,０．５,０．０）,ＢＢ＇（１）Ｔ＝（０．０,－０．５,０．０,０．５）ＢＢ″（０）Ｔ＝－（１．０,－２．０,１,０,０．０）,ＢＢ″（１）Ｔ＝（０．０,１．０,－２．０．１．０）。进而研究了以此函数向量的张量积形式定义的有理样条曲面。并得以下结论：（１）插值性;（２）Ｃ２连续性;（３）局部性和可调性。文中还分析了“权”的作用,并指出它与三次Ｂ－样条的类似性。     

时序逻辑的并行描述与隐含遍历

随着电路规模的迅速增长,设计验证越来越复杂,从而需要高速的数据处理系统。基于总线型多机系统环境,研究电路网表和布尔表达式的BDD（Binary Decision Diagram）并行构造方法,并通过隐含遍历任务的动态调度设计有效地完成时序逻辑的状态遍历。     

Estimating value in a uniform auction

Consider an auction in which increasing bids are made in sequence on an object whose value θ is known to each bidder. Suppose n bids are received, and the distribution of each bid is conditionally uniform. More specifically, suppose the first bid X₁ is uniformly distributed on [0, θ], and the i^th bid is uniformly distributed on [X_i?1, θ] for i = 2, …?, n. A scenario in which this auction model is appropriate is described. We assume that the value θ is un known to the statistician and must be esimated from the sample X₁, X₂, …?, X_n. The best linear unbiased estimate of θ is derived. The invariance of the estimation problem under scale transformations in noted, and the best invariant estimation problem under scale transformations is noted, and the best invariant estimate of θ under loss L(θ, a) = [(a/θ) ? 1]² is derived. It is shown that this best invariant estimate has uniformly smaller mean-squared error than the best linear unbiased estimate, and the ratio of the mean-squared errors is estimated from simulation experiments. A Bayesian formulation of the estimation problem is also considered, and a class of Bayes estimates is explicitly derived.