基于类神经网络模型的电路自主修复方法

为进一步提高电子系统在恶劣环境下的生存能力,对利用演化硬件实现电路自主修复的方法进行了研究。首先,根据FPGA芯片与多层前馈神经网络的相似性,建立了一个可用于数字电路演化的门级电路模型,设计了专用的二进制列向量编码方法;然后,给出了实现电路自主修复的工作流程,探讨了进行电路故障诊断和修复的途径,提出了快速重构与演化相结合的电路修复方法。Matlab仿真试验表明：基于类神经网络模型的遗传算法较适合进行演化修复操作;修复效果分析表明：快速重构与演化修复相结合的修复方法比单纯依靠演化修复更为便捷。     

军用激光技术的发展构成的激光威胁

本文从军用激光器的发展着手,介绍了激光测距机、激光制导武器和大功率激光武器的激光脉冲特点与外军装备现状,并着重分析了台湾的激光武器作战能力。     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。     

数据库中关联规则的并行/分布式采掘技术

高效的并行/分布式采掘方法是数据库中关联规则发现技术的重要的研究方向,首先给出了关联规则的并行/分布式采掘的相关描述,针对关联规则并行/分布式采掘的基本思想,分析算法中可以改进效能的环节,提出生成更少候选集、局部剪枝、减少通讯量和优化扫描等提高性能和降低复杂度的方法。     

“算法战”及其在空战领域中的应用

随着战争从体能较量、技能较量发展为智能较量,"算法战"与人工智能和指挥控制系统相关联并在其中占据关键地位,是实现智能化作战和建设智能军队的技术基础。通过梳理与总结美军在落实"算法战"研究方面所进行的开创性工作,理清"算法战"发展的脉络,重点对"算法战"产生背景、基本概念与内涵以及发展现状进行了探讨,结合课题组在航空集群作战领域的研究基础,探讨"算法战"在空战领域的落脚应用的可鉴之策,为我空军装备的信息化升级和智能化转型奠定基础。     

一种基于混合搜索的高效Top-K最频繁模式挖掘算法

挖掘数据集中的Top-K最频繁模式具有重要意义.已有Top-K最频繁模式挖掘算法通常采用最频繁的k个项目作为初始项目,并将初始项目中频率最低的项目的支持度作为初始边界支持度.但实际组成Top-K最频繁模式的项目数目可能远少于k,从而制约了算法的效率.为此,提出了一种基于混合搜索方式的高效Top-K最频繁模式挖掘算法MTKFP.该算法首先利用宽度优先搜索获得少量的短项集,并利用短项集确定数目少于k的初始项目范围以及较高的初始边界支持度;然后利用深度优先搜索获得所有Top-K最频繁模式.实验表明,MTKFP算法所获得的初始项目数目至少低于已有算法70%,初始边界支持度高于已有算法;NTKFP算法的性能优于已有最好算法.     

综合保障理论之海军航空装备保障发展

现役的航空装备大部分以可靠性为中心来开展设计和维修保障工作，普遍存在装备可用性低、装备预防性维修周期不合理、装备保障成本高等问题，影响了装备保障效能的提升。针对该问题，论文梳理了综合保障理论产生和发展的意义，分析了当前海军航空装备综合保障的现状，针对性提出了几点发展建议和措施，对于开展综合保障工作有积极的推动意义，对现役装备的预防性维修周期规划、可靠性增长、可用性提高、降低保障成本有重要意义。     

美国空军:中国威胁论背后的预算数字

2008年2月4日．美国国防部长盖茨向国会提交了2009年度国防预算．关于F-22隐身战斗机．他只提出购买183架。该预算案并没有要求关停F-22生产线，该飞机的命运仍然悬而未决。与此同时．空军部部长迈克尔·维尼和空军参谋长迈克尔·莫斯利也向国会议员分发了一份“未拨款需求项目清单”．清单列出了空军认为需要．却没有获得经费支持的项目。这份清单涉及金额共计187亿美元．     

浅谈大口径机枪弹的发展

大口径机枪弹的主要作用是对付低空低速轻型飞机、武装直升机,毁伤底面轻型装甲车辆和易燃目标,还可以摧毁掩体、火力点,杀伤集群有生目标等,在火力压制方面亦有特别好的效果。本文简述了大口径机枪弹的发展历史过程,重点介绍了12.7mm口径机枪弹、14.5mm口径机枪弹以及大口径机枪弹未来发展趋势。     

基于偏最小二乘特征提取的支持向量机回归算法

为了提高SVM的建模质量,简化建模难度,提出了PLS-SVM组合回归建模方法.该方法通过PLS对样本数据进行降维、去噪以及消除共线性处理后,再进行SVM回归建模.不仅保持了SVM良好的模型性能,而且使SVM具备特征提取功能.实验结果表明,该方法是可行的,采用此法构建的SVM模型,泛化性能优于没有特征提取的SVM.