谈地下建筑火灾的特点及预防措施

结合火灾案例和实验数据 ,分析地下建筑火灾特点 ,并有针对性的提出预防火灾的对策     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中，场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而，实际中图像的背景和前景往往相关，常用的主成分分析和独立分量分析等方法难以实现准确提取。为此，将视频图像的前景提取建模为盲源提取问题，提出了一种基于均方交叉预测误差的盲源提取方法，可以从相关的源视频图像中提取期望的前景图像，并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。     

燃气射流引起的火箭发射系统振动特性分析

以火箭发射系统为研究对象,对其56°射角工况下发射过程中的振动特性进行分析。创新点在于确定发射过程中动态载荷的加载方法,即首先根据发射系统有限元分析结果确定迎气面上试验测量点的具体位置,然后测得燃气射流冲击压强随时间变化的数值,并对试验测得数据进行处理,最后推导冲击压力对于径向距离的直线公式。所采用的冲击压强分析方法为研究其他武器系统受燃气射流冲击的影响提供了重要的指导意义。     

软件的单故障模型及故障的测试方法

研究表明,软件中残留的故障一般都是难以测试,这些故障往往都是局部的、检测概率比较“小”的故障,也就是说,和正确的软件相比,这些故障的表现往往只是一个或几个符号发生错误,现提出的软件单故障模型正是基于这个原理。测试方法是以面向故障为基础,将故障的检测分为3个部分:故障语句的执行,故障的激活和故障的传播。为加速测试用例的生成,也同时提出了软件的故障模拟方法。最后,给出了部分实验结果。     

利用预报误差分布拟合实现卫星历史轨道机动检测的方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

基层战士现实思想行为变化的特点及解决思路

在市场经济形势下，战士的思想出现了前所未有的新变化，市场经济的观念正在深入人心，但遇事心理承受能力弱，思想波动大，“两极性”比较明显。战士成份的变化，势必引起基层战士的思想行为较之过去呈现出极其复杂的变化。要有效解决战士的现实思想问题，必须遵循规律，增强思想工作的预见性、针对性和创造性；结合战士实际，突出思想工作重点，形成科学高效的思想政治工作机制。     

一种新的P2P僵尸网络综合防御系统框架

针对目前缺乏对基于P2P协议僵尸网络通用有效检测防御手段的现状,采用分布式Agent技术,提出了P2P僵尸网络综合防御系统框架,并重点分析了基于分布式Agent的P2P僵尸网络监控检测模块,为P2P僵尸网络的检测防御提出了新的思路。     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集；以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征；输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。     

The prediction formula and a risk-based sensor scheduling method in target detection with guiding information

Sensor scheduling is used to improve the sensing performance in the estimation of targets' states. However, few papers are on the sensor scheduling for target detection with guiding information. This letter can remedy this deficiency. A risk-based target detection method with guiding information is provided firstly, based on which, the sensor scheduling approach is aiming at reducing the risk and uncertainty in target detection, namely risk-based sensor scheduling method. What should be stressed is that the Prediction Formula in sensor scheduling is proposed. Lastly, some examples are conducted to stress the effectiveness of this proposed method.     

Arbitrary-oriented target detection in large scene sar images

Target detection in the field of synthetic aperture radar (SAR) has attracted considerable attention of researchers in national defense technology worldwide, owing to its unique advantages like high resolution and large scene image acquisition capabilities of SAR. However, due to strong speckle noise and low signal-to-noise ratio, it is difficult to extract representative features of target from SAR images, which greatly inhibits the effectiveness of traditional methods. In order to address the above problems, a framework called contextual rotation region-based convolutional neural network (RCNN) with multilayer fusion is proposed in this paper. Specifically, aimed to enable RCNN to perform target detection in large scene SAR images efficiently, maximum sliding strategy is applied to crop the large scene image into a series of sub-images before RCNN. Instead of using the highest-layer output for proposal generation and target detection, fusion feature maps with high resolution and rich semantic information are constructed by multilayer fusion strategy. Then, we put forwards rotation anchors to predict the minimum circumscribed rectangle of targets to reduce redundant detection region. Furthermore, shadow areas serve as contextual features to provide extraneous information for the detector identify and locate targets accurately. Experimental results on the simulated large scene SAR image dataset show that the proposed method achieves a satisfactory performance in large scene SAR target detection.