基于主元加权和自控步长的反演成像联合迭代法

为提高弹性波CT层析成像中反演成像的质量,同时考虑到反演成像过程中系数矩阵的病态性,提出了基于主元加权和自控步长的联合迭代法(HSIRT算法)。该方法通过对原方程组系数矩阵进行降条件数主权加元预处理,再与基于范数收敛性构造的自控步长迭代格式相结合进行求解。通过数值模拟和预制含缺陷的方钢管混凝土构件进行试验检测,结果表明HSIRT算法较SIRT算法具有更好的收敛速度和精度;求得的无缺陷区波速更为平稳,无缺陷区与缺陷区波速差距更为明显;对缺陷的辨识度更高,成像效果更好。     

基于KP CA的作战仿真实验数据特征提取方法

针对作战仿真分析过程中各作战要素的复杂性与非线性,研究了一种基于KPCA的作战仿真实验数据特征提取方法。该方法描述了KPCA特征提取的原理和算法,并将其应用于作战仿真实验数据的空间降维,根据累积贡献率确定新特征的数量。仿真结果表明,该方法与PCA相比具有主成份特征明显、贡献率集中等优点,能够有效综合原始数据的非线性特征,降低原始数据的维数。     

改革发展闯新路

正兵团是我们党的一项开创性事业和一个伟大创举,创造性的事业更要求我们开阔眼界、解放思想。兵团自初创时期开始,就迈出了改革的步伐。尤其是从改革开放初期,兵团恢复建制起,兵团人走出了一条紧密结合时代发展要求、与时俱进、不断探索、大胆创新之路。"一主两翼"揭开改革序幕1983年3月,农七师一二九团政委徐佩玺带头养了20只鸡、3只鹅。1个月后,他将300个鸡蛋、60个鹅蛋拿到市场上出售,卖了63元钱。在他的带领下,该团职     

基于主成分分析法的代价敏感极限学习机

在入侵检测中,传统的极限学习机(ELM)没有考虑到两方面的问题:一是误分类代价的敏感问题,在网络入侵检测中,需要考虑到误分类代价不同的问题,并以实现期望代价最小化为目标;二是冗余特征的处理问题,当入侵特征维数较多时,会存在着大量的冗余特征的问题,如果直接对高维数据进行分类,不仅入侵模式不能被准确分类,误检率较高,并且大量的冗余数据既耗费了系统的资源,也增大了入侵检测的时间。针对这两方面的问题,提出一种基于主成分分析法的代价敏感极限学习机(ELM)。通过主成分分析法对数据进行降维,确定主要特征;再将预处理后的数据训练极限学习机(ELM),以实现期望代价最小化为目标,从而实现降低入侵检测的检测时间,降低检测误报率,提高检测准确率的目的。实验表明,在入侵检测中,基于主成分析法的代价敏感极限学习机(ELM)与传统的ELM相比,不仅使分类准确率得到提高,降低了分类的误报率,而且在分类速度上也有一定的优越性,提高了网络运行的效率。     

基于时敏目标打击的优先级排序模型研究

研究了联合空中作战对时敏目标的优先级排序问题。首先分析了影响时敏目标优先级排序的主要因素，并采用层次分析法定量地确定各主要因素权重；然后建立了时敏目标优先级排序的模糊优化模型；最后通过应用案例仿真，其结果验证了模型的有效性。     

基于动态平移因子的固体推进剂抗拉强度主曲线测试方法

固体推进剂抗拉强度主曲线是固体火箭发动机设计以及药柱结构完整性分析的重要依据。为此，提出了一种采用非破坏性的动态力学分析(dynamic mechanical analysis, DMA)测试与静态力学试验相结合得到抗拉强度主曲线的新方法。该方法基于动态力学性能主曲线平移因子与静态力学性能主曲线平移因子的一致性，采用非破坏性的动态平移因子确定平移因子，以少量的静态力学测试得到不同温度、拉伸速率下的抗拉强度数据，并按照确定的平移因子进行平移，得到抗拉强度主曲线。研究结果表明：由动态平移因子生成的抗拉强度主曲线与传统方法所得主曲线一致性很好，试验所耗费时间仅为传统方法的22%,材料耗费仅为传统方法的35%。     

基于主成分分析法的危险化学品事故统计分析方法研究

通过对2002~2007年危险化学品事故数据进行统计分析,运用主成分分析法（Princ ipal Component Analysis,PCA）计算得到危险化学品事故发生的第一主成分,进一步分析得出危险化学品事故主要发生在使用环节和生产环节。利用主成分分析法得出的结论,针对危险化学品在使用、生产环节采取得当的预防措施,可以为有效减少危险化学品事故的发生提供科学决策依据。     

分布式数据库系统中数据一致性维护方法研究

分布式数据库系统是数据库领域中的一个主要研究方向 ,数据一致性维护是分布式数据库系统中的一个非常关键的技术问题。在深入分析和比较各种维护数据一致性方法的基础上 ,提出了一种较为有效的维护数据一致性的方法 ,详细论述了该方法如何解决并发执行引起的冲突问题 ,以及如何利用消息队列机制保持各数据副本的一致     

希望

在我就任我国最高职务的今天,我想到了作为我国人民精英的千千万万法国男女。他们在漫长的两个世纪中,在和平和战争的环境中,用劳动和鲜血创造了法国的历史,他们只是我们社会出现短暂而光辉的突变时才偶然登上历史舞台。忠于若雷斯的教导,我现在首先以这些千千万万法国男女的名义讲话。继人民阵线和解放战争之后,现在开始了漫长历程的第三阶段,通过民主方式表明的法国人中的政治上多数派刚刚与社会上多数派成为同一体。     

基于CNN-PCA-DT算法的合成孔径雷达目标识别

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是SAR图像解译的重要环节,已广泛应用于国防和国民经济领域。在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上,提出了将CNN,主成分分析(Principle Component Analysis,PCA)和决策树(Decision Tree,DT)相结合的算法,记为CNN-PCA-DT:利用CNN提取出SAR图像的特征向量,再用PCA降维,最后用DT分类器取代CNN中的Softmax分类器实现SAR目标识别。实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性。