新课改理念下基于网络环境的教师培训的实践探索

在新课程的理念下,对教师在职培训提出了更高的要求,在偏远地区,优质教育资源相对比较匮乏,基于网络的教师培训与传统教师培训相比更有利于教师新课程理念的培养,本研究对新课改理念下基于网络的教师培训的实践探索进行总结分析,期望能对偏远地区开展网络环境教师培训提供一些有益的经验。     

具有分布时滞的随机反应扩散细胞神经网络的几乎必然指数稳定性

研究一类具有分布时滞和反应扩散的随机细胞神经网络的稳定性。通过构造Lyapunov泛函,并利用It公式、半鞅收敛定理以及不等式技巧,得到了系统几乎必然指数稳定的充分条件。     

基于Libpcap网络数据包捕获技术的改进

分析了Linux下基于Libpcap的网络数据包捕获技术机理,指出了影响数据包捕获性能的＂瓶颈＂,通过零拷贝技术、内存映射技术和中断节制机制对其改进,并进行仿真实验。结果表明：改进方法可以显著提高数据包的捕获率。     

对称五元照射的SCM网络设计分析

从需求分析、对称五元照射器组阵设计、单通道单脉冲（Single-Channel Monopulse,SCM）网络设计等几个环节,深入分析了无人值守条件下高动态低仰角跟踪所采用的对称五元照射SCM网络的实现方法。通过与传统3通道天线组阵的比较,阐明了新对称五元照射阵列的优越性;通过与双通道多模馈源和差网络的比较,阐明了新SCM网络的特点;根据校飞试验结果,证明了设计方法的合理性。     

Amari-Hopfield神经网络技术在目标运动要素解算中的应用

针对潜艇目标运动要素解算过程中经常出现的非正常误差及其无规律性,采用Amari-Hopfield神经网络思想,通过对残差的学习和训练来抑制非正常误差的影响,达到提高目标运动参数估计精度的目的。海试数据计算表明,该方法对海试量测数据中非正常误差量测点能有效地辨识并抑制,从而改进目标运动要素解算的效果。     

一种以太网拓扑发现算法

局域网内部的拓扑对于现代网络管理非常重要,而网络层拓扑发现对于局域网内部的拓扑是不可见的。文章提出了一种基于生成树协议(STP)的拓扑发现算法,利用简单网络管理协议(SNMP)读取交换机MIB中的生成树信息,可以得到局域网内设备间的连接。该算法不需要交换机地址转发表(AFT)完整,也能发现交换机的备份链路和集线器以及不支持SNMP的交换机。经分析,该算法是一种简单的,准确的以太网拓扑发现算法。     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.     

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分.贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较.实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能.     

一种灰度图象中的小目标识别方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。