可触摸3D电视

近日,日本研究人员研制出世界上第一个可以用手触摸图像的3D电视系统。用户可以按照自己的想法移动、挤压或者拉伸似乎飘浮在眼前的3D图像。图像可触摸3D电视装有六个动作     

供应链 建设保订单

在国际金融危机尚未见底的情况下，船舶行业所受的冲击已经显现，并直接影响到船舶配套。而上海中船三井造船柴油机公司通过加强供应链管理来防范风险，在其它厂家遭遇撤单毁约较多的情况下，公司却保证了手中订单全部按用户要求满足交货。     

创新的动力源于用户的需求

上世纪末以来．是我国航天航空制造业高速发展的黄金时期，也给我国的特种加工技术带来了难得的发展机遇。由于航天航空飞行器的制造有许多加工难题需要攻克．它们或者是由于材料特殊，或者是由于形状复杂，或者是由于加工部位非常微细．采用传统的机械加工方法难以解决，这就正好给特种加工技术找到用武之地，正好可以发挥特种加工技术的特长。     

50台雷沃拖垃机交付辽宁种粮大户

2月13日,50台崭新的雷沃M804-D拖拉机在辽宁大厦院内交付到辽宁省50名种粮大户手中。领到心仪的拖拉机,种粮大户们表现出由衷的兴奋和喜悦。原来这50台雷沃拖拉机是辽宁省农委贯彻省委《关于表彰粮食生产先进单位和先进个人的决定》为这些种粮大户采购的奖品。辽宁省农委非常重视这次采购,本着对获奖用户高度负责的态度,辽宁省农委对国内知名拖拉机品牌进行筛选,对入围产品提出严格的要求,最大限度保证让受奖用户通过奖品获得实际收益,为他们继续扩大农业生产增加强劲动力。辽宁省农     

从“闭门造车”到“私人订制”——航天八院新力厂创新营销模式纪实

近年来,订制服务的概念被越来越多的人所关注。对于航天企业来说,如何尝试摒弃传统的销售模式,通过个性化的订制服务,将产品的主动权交到用户手里,满足用户需求、获得市场青睐呢?中国航天科技集团公司八院新力厂给出了答案。量身订制——为用户提供一对一的生产在新力厂,让用户参与产品设计,根据用户对产品的特定要求和偏好进行一对一生产,已成为吸引用户的法宝。"新力厂除了生产标准机床外,还争做人家不愿做的非标机床。我们就是要通过技术优势,打造一个可以提供私人订制的菜单式服务企     

座谈会代表发言摘要

姚宏(北京和利时电机技术有限公司总经理):民营企业参与国防科研生产任务甚至参与改组改制,肯定与企业面临的普通市场与行业用户是不一样的,需要一个长期的、稳定的投入与计划。必须要投入企业自有的资源、积累的技术、人力、资金。而另一方面,企业的每一分钱,都是靠企业自身的赢利。所以民营企业参与国防科技工业建设面临最大的一个问题就是要长期、稳定、持续的投入与回报的关系。企业肯定是以投入产出比来衡量近期的经营计划以及长期的战略发展模式。     

Link16数据链时隙冲突概率分析

基于S-TDMA协议的Link16是美军目前广泛使用的一种战术数据链.时隙预约选择算法是基于S-TDMA协议的数据链实现自组织特性的关键;而时隙冲突概率则是衡量时隙预约选择算法优劣的重要指标,也是S-TDMA数据链重要的性能指标.一帧中的时隙个数、用户的报文报告率、候选时隙窗口调整因子等参数对时隙冲突概率都有重要影响.采用经典概率方法对时隙冲突概率进行分析,得到了冲突概率的数学表达;针对美军Link16 数据链的一些参数,分析了它们对时隙冲突概率的影响;就如何控制时隙冲突得出了一些结论.     

基于构件的C4ISR系统体系结构设计环境

体系结构设计是C4ISR系统总体设计的重要组成部分,其设计内容包括一系列的基本产品和支持产品,这些产品以图形、文字、表格的方式提供给用户.提出了一种可定制和重组的体系结构设计环境,以满足不同的体系结构设计需求.     

从“Google敏感图片惹麻烦”说开去

前不久,著名搜索引擎G oogle推出了名为“G oogleearth”的新服务项目。拥有此项服务的用户可自由地获取全球各地的图片资料,还可以享受从空中俯瞰地球的乐趣。但因图片涉及一些国家的安全设施,不少国家要人提出抗议,担心这可能被恐怖分子所利用。据悉,在“G oogle earth”所提供的图片中,印度的议会大厦、韩国首尔的青瓦台总统府、澳大利亚悉尼附近的核反应堆等政府建筑和国防设施都清晰可辨,甚至其周围的小汽车、自行车也尽收眼底、一目了然,难怪有这么多国家政府要员怒不可遏,坚决要求撤换掉。面对各国的指责,G oogle公司也针锋相对,他…     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。