On the uncapacitated K‐commodity network design problem with zero flow‐costs

Extending Sastry's result on the uncapacitated two‐commodity network design problem, we completely characterize the optimal solution of the uncapacitated K‐commodity network design problem with zero flow costs for the case when K = 3. By solving a set of shortest‐path problems on related graphs, we show that the optimal solutions can be found in O(n³) time when K = 3, where n is the number of nodes in the network. The algorithm depends on identifying a list of “basic patterns”; the number of basic patterns grows exponentially with K. We also show that the uncapacitated K‐commodity network design problem can be solved in O(n³) time for general K if K is fixed; otherwise, the time for solving the problem is exponential. © 2004 Wiley Periodicals, Inc. Naval Research Logistics, 2004     

Walker星座自主定轨误差分析

通过对Walker星座中卫星间的相对运动进行分析,给出星间相对距离的解析表达式及其对轨道根数的偏导数,直观地描述在同轨道面和异轨道面的星间观测对轨道根数变化的体现情况;根据星座中卫星的相对位置,提出合理的约束条件和平差方法,利用星间测距网实现星座的整网定位;通过仿真算例,比较在不同情况下,采用合适的整网定位方法对轨道根数的系统误差和随机误差修正的情况。     

垃圾评论自动过滤方法

针对互联网上存在的大量垃圾评论,提出一种基于电阻网络的垃圾评论检测方法,该方法用电阻距离来度量评论之间的上下文语义相似性,把整个评论数据表示成一个电阻网络,把垃圾评论当作该网络上的语义离群点来处理,根据网络节点对电阻网络平均电能消耗的影响,建立电离群因子来度量数据的离群程度,以此来识别垃圾评论。实验证明了该方法的有效性,在多个数据集上取得了较好的效果。     

武警部队远程教育培训探讨

针对武警部队集中学习相对困难的情况,对当前远程教育培训模式进行了探讨,分析了远程教育中的资源建设问题,并以《汽车构造》课程为例进行了网络课程的开发,为武警部队培养高素质的现代官兵队伍提供有益参考。     

防空反导网络化作战发展研究

网络中心战是信息时代重要的作战形式,可将战场信息优势转化为决策优势,是信息技术在军事领域应用的必然选择,网络中心战在防空反导领域的应用也称为防空反导网络化作战.主要跟踪研究了国内外网络中心战的最新进展和发展趋势,分析了网络化作战的特点和关键技术,针对我国防空反导武器系统的现状,提出了防空反导网络化作战的发展建议.     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

多层卫星通信网络结构设计与分析

针对单层卫星网络时延高、网络阻塞概率大等问题,研究了多层卫星网络的系统结构及其特点。结合不同轨道卫星特点,引入分层卫星网络结构,采用Walker和极轨星座覆盖带设计法,设计了多层卫星网络星座。采用"弱连接"模型作为星际链路建立的基本原则,并对星座的覆盖性能和星际链路特性进行了仿真分析,结果表明,多层卫星网络在覆盖特性和星际链路性能上更具优势。     

基于空间谱估计的弹机分离检测研究

空空雷达主动制导导弹正成为各军事大国优先发展的空战武器,针对该类型导弹,分析了其典型的特征参数,以雷达-电子战一体化概念为牵引,提出了采用机载相控阵雷达信号处理技术进行弹机分离检测的思想。仿真结果表明,该方法具有较好的检测性能,为后续的干扰措施提供了有力的支撑。     

基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。     

基于独立分量分析和神经网络的钢结构损伤识别方法

为了有效剔除钢结构振动信号中的噪声,提取用于损伤识别的特征量,采用独立分量分析方法分离统计独立信号,同时得到表征结构损伤状态的混合矩阵,然后将混合矩阵作为特征量输入至神经网络进行训练,最后将训练好的神经网络作为分类器进行结构损伤识别.在冲击载荷作用下,针对钢框架结构模型进行了不同损伤部位的振动实验,结果表明:基于独立分量分析和神经网络的损伤识别方法具有较高的识别率和可重复性,而且实现简单,在结构损伤识别领域具有较大的应用潜力.