美国陆军官方网站多模态话语分析与军队形象建构

本文以Kress、Van Leeuwen和 Painter等学者的视觉语法理论为基础，从再现意义、互动意义和构图意义三个方面对美国陆军官方网站“相册”栏目进行多模态话语分析，挖掘网页的符号资源，探寻多模态语篇生成意义、传递信息和构建形象的具体机制。在此基础上，借助Halliday、Hasan、Bateman和Bhatia等学者的多模态语类分析理论，探究模态间的互动关系，分析网页的整体设计、语类特点和宣传手段等。研究发现，该网站通过象征意义、情感互动和显著性差异等手段，影响读者对美军的认知，引导读者对美军产生积极联想，从而回避现实问题，为美军塑造正面形象。在深入发掘网页的交际目的、结构潜势和互动机制的基础上，搭建多模态语类分析框架，揭示军事网站设计和社会文化背景的复杂关系，助力军队形象建设。     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

地空导弹武器退役的模糊聚类分析

本文对影响武器装备退役的主要因素进行了分析 ,给出了各因素的评估模型 ,运用模糊聚类法对地空导弹武器的退役进行了分析 ,为退役决策提供了一种定量分析方法     

信息化战场中基于智能体聚类的信息处理

研究了信息战条件下信息的处理问题,通过分析信息化战场条件下战场环境和人员的特点,提出了一种基于智能体聚类的信息处理方法,通过该方法来实现战场信息的通信、传输、交换从而协助指挥员决策。该方法的特点是可以根据战场的环境进行聚类,降低了信息的复杂度从而保证及时有效地传递消息。该方法通过智能体平台实现,具有一定智能性并减少了指挥员的决策难度,对指挥自动化而言是一个很好的实例。     

神经形态器件现状与未来

为解决现有冯·诺依曼计算机面临的低智能、高能耗、低容错等问题,"类脑计算"应运而生。"类脑计算"借鉴大脑的体系结构和信息处理方式,基于神经形态器件构建逻辑与存储相融合的计算硬件,旨在实现更为灵活和智能的信息处理与计算模式。在阐述"类脑计算"起源与发展现状的基础上,研究了人脑神经网络信息处理机制,重点介绍了神经形态器件的研发态势。神经形态器件作为类脑计算芯片和系统的基本组成单元,对于类脑智能的实现至关重要,因此研发能够高精度模拟生物突触、神经元信息处理功能的微纳器件是当前的研究热点。     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于机器翻译的原型句蜕及其包装研究

首先简要介绍了HNC理论及其机器翻译观,结合机器翻译的难点与原型句蜕存在的普遍性,说明了解决原型句蜕变换的意义:接着对原型句蜕构成现象进行了描述,从汉英语义块构成对比分析中导出了汉英变换规则;从现有的机器翻译系统所暴露的问题中,说明原型句蜕变换对提高机器翻译质量的必要性和可行性;最后是对本文的结论和说明。     

FCM和粗集在雷达信号识别中的应用研究

连续属性离散化是粗集理论应用中面临的主要问题之一.对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗集理论将其属性进行约简提取有用规则.将此方法应用于雷达信号类型识别,可以直接从原始数据中得到识别信息,仿真实验结果证明利用此离散化方法得到的识别规则对雷达信号识别是有效和可靠的.     

基于仿真环境的航空态势图像评估

航空态势图像在现代高技术战争中有着重要的作用,航空态势图像的品质直接关系到作战结果.首先建立了评估模型,提出了在仿真环境下度量指标的方法.然后介绍了灰色聚类分析方法及其评估步骤.最后,基于仿真环境下,用灰色聚类分析的方法来评估航空态势图像的品质.结论证明,指标的度量方法和图像的评估方法是有效可行的,结果是正确的.