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.     

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。     

基于神经网络的雷达抗欺骗干扰方法

对雷达抗应答式欺骗干扰的特征提取方法进行了改进,统计方法将均值与方差特征相结合定义特征因子,神经网络方法用Kohonen网络进行特征提取。仿真结果表明,2种方法都具有较好的抗应答式欺骗干扰性能,而神经网络方法性能更为优越。     

一种基于联动的军队网络安全防护体系

网络是军队信息化建设的基础,安全是军队信息化建设的保障。通过分析当前军队网络安全方面所存在的隐患以及防护措施的不足,引入一种基于联动技术的网络安全防护体系。该体系以防火墙为核心,以安全通信协议为基础框架,以PKI/CA体系为安全支撑,能够从整体上对军队网络进行全方位、立体的防护。其逻辑构成为核心安全设备、外围安全设备和安全通信协议3个部分,各种外围安全设备通过不同的安全通信协议如LD- BP、LCSP、ASIP等与核心安全设备(防火墙)进行有机联动,整个体系的安全性可以满足军队对网络安全的要求。     

基于多级神经网络的类型融合

研究了基于多级神经网络的类型融合方法。这种多级神经网络分为传感器子网和融合子网两部分。传感器子网是一种基于专家规则的模糊神经网络,根据专家规则确定网络结构,网络节点和传递函数都有明确的意义,避免了普通神经网络层数和隐层节点数难以确定的缺点。经过训练的传感器子网能够实现各目标类型的置信度分配,然后用融合子网对多个传感器子网输出结果进行融合,得到目标类型的最终判决。在融合子网中,加入了各传感器的可信度,使融合结果更可靠。仿真结果表明,此方法鲁棒性强,识别率高。     

发挥评课潜在优势 促进教师专业成长

目前,在一些幼儿园中,开始了以评课来促进教师专业成长的尝试。本文分析了评课在促进教师专业成长方面的潜在优势,并针对当前一些幼儿园评课中存在的问题提出了改进措施,指出在以评课促进教师专业发展方面应当注意的问题,旨在使评课更好地服务于教师专业成长。