老骥笑看夕阳红——老干部书画作品选登

离退休老干部是我们党和军队的宝贵财富,他们离退休后通过组织起来学习,不断丰富自己的精神文化生活,在更大程度上实观老有所学、老有所数老有所乐、老有所为。我们选登了他们的部分书画作品,这些佳作时代感强烈,透出斗志昂扬的军人风貌,展现了一代老军人风采     

推荐西封“请降信”——共产党人自身的明镜

从今年下半年开始,我们党将用一年左右时间,在全党自上而下分批开展党的群众路线教育实践活动,让全体党员特别是领导干部“照镜子、正衣冠、洗冼澡、治治病”,着力整治官僚主义、形式主义、享乐主义、奢靡之风。 在这种情况下,我向党员同志特别是各级领导干部推荐两封请辞信,一封是胡耀邦同志写的,一封是徐光达同志写的。我只是转述、推荐,而不加任何评论,我也没有资格加以评论。但我认为,这两封“请降信”,就是我们共产党人自身的明镜,希望大家都来照一照。     

魅力女兵

魅力编号29王冬梅【个性写真】她毕业于师范学院音乐专业,热情、美丽、大方、善良是她的真实写照。她不仅歌唱得好,业务技能和服务水平更是一流,从警6年,她共查获违法犯罪分子19起36人次,荣立三等功2次,嘉奖11次。【魅力评语】"出入有境,服务无境",你把旅客当亲人,用行动写忠诚,用热情的服务和美丽的声音向广大出入境旅客传递着真诚与关怀,是旅客心中的"国门天使"。【战友团】武警江苏边防总队南京边防检查站全体官兵     

混合均衡问题和不动点问题的公共元的迭代算法

在Hilbert空间中,利用超梯度算法,用以逼近混合均衡问题的解集与半压缩映像不动点集的公共元,并且证明了该算法的收敛性。使用新的分析技巧证明了一个强收敛定理。     

压缩感知新技术专题讲座(三) 第6讲 压缩感知在语音处理中的应用研究

压缩感知CS(Compressive Sensing)作为一门新兴的技术,成为近年来人们广泛关注的研究热点。文中介绍了压缩感知理论的基本原理,在此基础上将压缩感知理论应用到语音信号处理中。首先研究了语音信号的稀疏性,说明了对语音信号进行压缩感知具有可行性;其次,采用随机滤波器组构造随机测量矩阵得到语音信号的压缩测量值;最后,研究了压缩测量值之间的相关性并将这种相关性作为稀疏度的一种度量方法用于控制随机滤波器阶数,实现了语音信号的自适应压缩感知。     

海上“气象战”

气象情报被称为战争中的“特种武器”是毫不为过的。历史上,运用有利气象条件在海战中克敌制胜或忽视气象因素而惨遭厄运的战例可谓多不胜举,从下面部分战例,可见一斑。     

跳跃-滑翔弹道扰动引力自适应网格快速赋值方法

为实现高超声速跳跃-滑翔弹道扰动引力的快速赋值,提出自适应网格赋值模型,并根据反距离加权理论,优化广义延拓逼近算法,对模型的逼近误差进行分析。该赋值模型的网格划分为两级,第一级网格根据标准弹道空域进行划分,第二级网格根据滑翔导弹实际弹道在线生成。根据一级网格节点数据,通过优化广义延拓逼近算法计算二级网格节点数据,最后根据二级单元内插计算实际弹道点的扰动引力值。仿真结果表明:在同等大小的网格划分下,优化广义延拓自适应网格模型的逼近精度高于一般赋值方法;在同等精度要求下,该赋值模型的最大单元格边长大于一般赋值方法,从而减少了单元格划分数量,进而降低弹上数据存储量;针对不同滑翔方向以及不同滑翔距离的跳跃-滑翔弹道,该模型逼近误差对应的落点偏差小于5 m,具有较好的适应性。该赋值模型在满足计算速度的前提下,提高了传统赋值方法的逼近精度,降低了弹上存储量,具有一定的工程应用价值。     

脉冲串信号时差估计优化算法

针对脉冲串序列信号的目标定位任务,传统的单脉冲到达时间差定位方法由于测量单个脉冲的到达时间产生的误差可能偏大,而导致目标定位精度不能满足实际工程需求。现提出两种优化定位精度的方法,前者是针对在脉冲串未出现缺失的条件下,利用最小二乘法计算两个基站接收到的脉冲串到达时间差;后者是针对在脉冲串出现缺失的条件下,利用序列相似性原理对脉冲串到达时间差进行搜索,两者都能减小测量误差对整个定位系统的影响,提高整个系统的定位精度。     

梯度学习的参数控制帮助线程预取模型

对于非规则访存的应用程序,当某个应用程序的访存开销大于计算开销时,传统帮助线程的访存开销会高于主线程的计算开销,从而导致帮助线程落后于主线程。于是提出一种改进的基于参数控制的帮助线程预取模型,该模型采用梯度下降算法对控制参数求解最优值,从而有效地控制帮助线程与主线程的访存任务量,使帮助线程领先于主线程。实验结果表明,基于参数选择的线程预取模型能获得1.1~1.5倍的系统性能加速比。     

基于pLSA模型的人体动作识别

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出使用慢特征分析(SFA, slow feature analysis)算法计算兴趣点梯度信息不变量最优解,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。SFA计算的梯度不变量最优解可以表示时空兴趣点固有特征,能够无歧义反映时空兴趣点在空间及时间方向上的信息。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率分别在91.50%和97%以上。