目标识别系统中的一种多传感器数据融合算法

Dempster证据组合规则在D-S证据理论中具有十分重要的作用。但在将Dempster证据组合规则应用于多传感器数据融合时,理论上仍有值得探讨之处。在对Dempster证据组合规则进行分析的基础上,提出了解决目标识别系统中多传感器数据融合的“一次Dempster联合法”,避免了原有算法中需多次采用Dempster证据组合规则来计算的问题,从而减少了计算量。     

人民币汇改效应滞后7月份贸易顺差将继续扩大

7月份的宏观经济数据即将出炉。经济学家们预计,中国7月份贸易顺差可能创下月度记录第三高,为98亿美元,而去年同期为17．4亿美元,6月份为96．8亿美元。     

数据融合中的Dempster-Shafer证据理论

虽然 D- S方法已广泛地应用于各种数据融合系统中 ,但在实际应用中依然存在着许多困难。总结了数据融合应用中的 Dempster- Shafer证据理论研究概况 ,从四个方面阐述和对比分析了一些有代表性的研究成果 ;同时为下一步的研究提出了新的课题和思路     

运输危险品液货船气体浓度场的建模精度和可视化研究

在运输危险品液货船气体浓度场的动态分布建模分析一文的基础上 ,提出了提高气体浓度场的动态分布数学模型精度的一种新方法和实现可视化研究的基本思想     

装甲兵作战仿真系统信息存储与回放

在分析DIS信息结构和数据库的基础上,对基于DIS的装甲兵作战仿真系统信息存储与回放进行了研究,并将其应用于装甲兵作战仿真实验室的建设中,收到了良好的效果.     

大数据时代部队思想政治教育创新发展的思考

适应大数据时代发展要求,积极推动部队思想政治教育创新发展,必须紧贴时代发展,提高认识,牢固树立大数据思维;聚焦官兵实际,建立健全组织,有效整合教育数据资源;瞄准强军方向,发挥大数据优势,科学统筹数据库建设。     

第1讲 大数据——挑战与技术

文章描述了大数据的规律、现象、成因及特征,重点介绍了应对大数据挑战的分布式计算技术,包括:分布式文件系统、分布式并行处理系统、分布式数据库系统和分布式数据挖掘系统等,分析了相关技术的原理,介绍了目前研究的热点与研究成果。     

大数据技术专题讲座(二) 第3讲 面向大数据处理的MapReduce优化技术

随着大数据时代的到来,大规模数据的处理技术研究层出不穷。MapReduce计算框架的出现,暂时缓解了大数据的处理难题。虽然MapReduce能够实现大规模数据(通常为PB级甚至EB级)的高效并行处理,但在企业应用环境中,MapReduce底层架构和处理模式上的缺陷逐渐暴露出来,造成了处理效率、执行性能上的一些瓶颈。针对这些不足,结合企业实际处理需求,产生了针对MapReduce的各个方面的优化研究。文中首先阐述了MapReduce的编程模型和实现机制,然后总结了对MapReduce作业调度、实时处理、架构和服务等方面的优化研究,最后对MapReduce各种优化技术进行了总结和展望。     

基于DEA-TOPSIS的联合火力打击目标选择方法

分析了战役目的关联度、体系重要度、威胁程度、打击代价和打击风险5个要素对联合火力打击目标选择的影响,构建了相应的指标体系和量化模型。提出一种基于数据包络分析法-逼近理想解排序法的目标选择方法,采用动态权重和相对评价指数选出打击效益最大的目标,使用逼近正负理想解系数对目标打击顺序进行排序。实例验证了方法的适应性和有效性。     

作战仿真实验数据预处理研究

数据预处理是数据分析的关键步骤,可为数据分析提供较为干净、整齐、结构一致的数据。然而通过作战仿真实验得到的数据存在一定程度的不规范、异常、缺失或冗余等问题,通过研究数据预处理方法可使得作战仿真实验数据达成数据格式规范化、异常数据正确化、缺失数据完整化和冗余数据精简化的目的,提高数据质量,使数据分析更加高效、准确。