衰减荷载作用下饱和软土的固结分析

研究了衰减荷栽作用下软土一维固结问题,建立了小变形固结模型,探讨了荷载衰减规律,分别求解了相应的小变形和大变形固结边值问题;通过理论解答与6块场地实测沉降的比较,表明用考虑荷载衰减的大变形固结理论计算软土一维固结的沉降值与实测结果接近。     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式（例如量子计算等）深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。     

基于多分支注意力改进的YOLOv5无人艇目标检测方法

针对水面无人艇目标检测类别多、尺寸小、形变大等难题,提出了基于多分支注意力改进的YOLOv5检测算法。首先提出了一种SAv2Attention模块,通过对通道的“复制-转换-合并”等处理,实现卷积层通道间与通道内特征融合,提升网络的局部感受野,然后将其嵌入到YOLOv5网络,最后在构建的真实海试数据集上进行了大量对比实验。结果表明,SAv2Attention可有效提升YOLOv5的检测精度,典型海面目标数据集上,mAP@0.5检测精度达到94.6%,mAP@0.5:0.95检测精度达到60.9%,相较于原生算法分别提高1.4%和3%,对小尺寸目标平均检测率APS提升4.3%,证明所提方法能有效提升无人艇对水面小目标的检测能力。     

基于复杂网络理论的C2组织网络拓扑结构研究

根据C 2组织结构的特点,基于复杂网络理论和网络中心战思想,将C 2组织中的各作战单元、指控节点等作为节点,它们之间的信息流动作为边,构建C 2组织的网络拓扑结构。经过仿真分析,推出其内部具有无标度性、小世界性等复杂网络特性,这对于进一步将复杂网络理论应用于C 2组织的研究提供了理论依据并具有积极的意义。     

小型侦察无人机任务能力及拒止距离分析

随着无人机技术的快速发展,无人机已在民用、军事领域得到广泛应用.尤其是具有"低慢小"特征的小型无人机,使用方便灵活,成本相对低廉,可用于执行侦察监视、自杀袭击等任务,对日常防空安全、重要目标防护构成严重威胁.分析研究了小型无人机主要威胁样式,重点分析了小型侦察无人机载荷任务能力,提出对该类目标拒止距离需求,可为相关拦截...     

红外空中小目标小波域检测方法

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换的检测算法.该方法首先对小目标图像进行小波分解并在考虑高频系数能量的基础上对噪声和背景边缘系数进行抑制,然后将遗留下来的高频系数通过线性映射变换成灰度图像.其次对3个方向的高频图像按照一维最大熵法进行二值化处理并通过形态开算子进一步滤除噪声,随后将高频图像两两相与关联生成单帧检测结果,并进一步利用帧间目标位置的相关性完成小目标检测过程.最后,在原图像中以检测结果图像的质心为中心生成跟踪窗口.试验结果表明,相对于通常的小目标检测算法,提出的算法在背景抑制、检测准确度以及速度方面都具有一定的优势.     

基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

容器设备破裂泄漏危险性研究

对容器设备泄漏源的模式进行了分类，分别从泄漏物物态、泄漏面积、小孔泄漏孔形、内部压力、液面高度、泄漏物密度六方面对容器设备破裂泄漏的危险性进行了分析，并提出了避免破裂泄漏的防范措施，具有一定实用意义。     

基于复杂网络的作战系统结构研究

信息化战争的现实需求推动着作战系统的发展变革,其结构组成日益呈现复杂化和网络化的特点.基于复杂网络理论和网络中心战思想,将作战系统进行纵向节点划分,建立起四重网格立体模型,并从拓扑结构定性分析出发,推论出其内部组成具有小世界和无尺度的基本特征,为进一步将复杂网络研究成果运用到作战系统中提供了理论参考,具有积极的现实意义.