环境新闻在中国的发展及其特征简析

环境问题已经成为一大社会问题,环境新闻成为媒体和公众关注的焦点。国内环境新闻作为一个新兴的报道题材,已迅速闯进主要新闻传媒的主阵地,并逐渐成为与时政新闻、经济新闻、科技新闻等并驾齐驱的报道领域,成为各家传媒和记者争相采访报道的重要内容。本文从环境新闻的概念与产生入手,分析其在中国的发展。     

基于人工神经网络的特征压缩方法及应用

分析了人工神经网络特征提取方法用于特征压缩的原理,研究了多层网络的隐层提取模型、Oja网络模型和基于Sanger算法的网络模型,以坦克柴油机燃油系统典型故障的特征处理为例,采用Sanger算法对特征参数进行了压缩,实现了特征空间的约简。该方法有利于简化分类器的设计,对于解决复杂设备的状态检测与故障诊断问题具有重要意义。     

基于神经网络的柴油机技术状态主元信息提取方法

在柴油机技术状态监测时,表征其技术状态的特征参数有很多,合理提取状态主元信息是一项关键的任务。分析研究了人工神经网络的信息提取原理和方法。以某型坦克柴油机为例,通过柴油机性能检测试验测取了能够反映柴油机技术状态变化的典型特征,建立了O ja神经网络信息提取模型,提取了柴油机技术状态的主元信息。分析结果表明:提取的主元信息能够反映柴油机技术状态随柴油机使用时间的变化趋势。该方法为坦克柴油机的技术状态监测与故障诊断提供了有效手段。     

一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。     

陆军战术部队用天体系能力研究

以未来信息化战场联合作战为背景,强调天基资源在陆军战术部队作战体系中的重要地位,深入分析美国陆军天基资源运用现状和能力形成途径,从陆军装备转型建设实际需求出发,研究陆军用天(基)体系架构,阐述体系能力特征。     

基于高阶谱分析的机械故障特征识别

在分析高阶累积量与高阶谱的理论基础上,利用高阶谱可以抑制加性高斯噪声的性质,研究了基于高阶谱分析的机械故障特征提取方法,提出了基于双谱估计的齿轮故障诊断的方法。通过对齿轮信号的双谱特征图谱进行分析比较,成功地对齿轮的正常稳态振动信号、正常瞬态振动信号以及磨损瞬态信号进行了识别,效果十分显著。     

多特征空间下的支持向量机及其在图像识别中的应用

分别在主成分分析(PCA)、独立成分分析(ICA)和线性鉴别分析(LDA)所构造的特征空间下用模糊支持向量机(FSVM)进行人脸识别。同时,提出了一种改进的FSVM方法,即利用FSVM和多叉决策树相结合的思想来设计人脸分类器,从而使FSVM分类器的速度得到了大幅度的提高。通过在ORL人脸库上的实验结果表明,该算法是有效的。     

基于ARM的嵌入式指纹图像处理技术研究

研究了特征提取方法和匹配算法;设计了基于ARM的嵌入式指纹处理核心模块,并将其应用于综合业务平台的用户身份认证系统中;具有自主版权的认证加载模式实现了对登录平台的用户身份验证,识别率达到了99.3%.结果表明,该方法能确保平台系统的安全.     

战场目标声音识别关键技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析了目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC、MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。