装备维修性增长及其基本过程研究

为了解决当前装备的维修性问题，揭示维修性发展的一般规律，进行了维修性增长的研究。首先阐明了装备维修性形成与演变的一般规律，继而提出了维修性增长的概念，重点研究了维修性增长的内涵与增长的一般过程，最后对解决增长问题所需的模型进行了分类，为增长技术的深入研究奠定了基础。     

纹理和 Fractals

文中着重讨论了三维逼真性图形显示技术中的二个问题:1.纹理处理;2.fractal方法及其在计算机图形学中的应用。纹理处理是在三维明暗图形的基础上,模拟三维物体表面细节的过程,纹理处理分为两类:(1)对光滑表面,(2)对粗糙表面。fractal方法是描述不规则物体的一种较新的方法,文中较详细地讨论了fractal方法及其在计算机图形学中的应用,给出了模拟地形的方法和处理结果。     

GJB 2337—95《榴弹弹丸缺陷分类》简介

分析国内榴弹弹丸计数抽样检查缺陷分类和检查项目的现状,指出为更好地执行有关国军标,提高质量控制水平和质量安全的水平,必须统一榴弹计数抽样检查中的缺陷分类和检查项目。文章进而对标准中有关缺陷分类方法,缺陷分类编号,计数抽样检查及检查项目确定,弹体几何尺寸、形位公差检查项目缺陷极限控制尺寸的确定等技术内容做了介绍。     

对军队企业改革实施分类指导的思考

在计划经济向市场经济转换的大潮冲击下,军队企业同国有企业一样,目前也面临着经济效益滑坡的困境。只有贯彻“十五大”精神,深化企业改革,才能扭转局面。但军队企业的改革有其自身特性:一方面应借鉴地方企业成功的模式和方法,进行嫁接改造,另一方面应针对军队企业实际,区别不同类型和情况,加强分类指导,以保证军队企业改革顺利实施并取得实效。     

陆军男一组体育达标考试项目设置及分类探讨

在对全军院校及野战部队30多个单位进行调查分析的基础上,研究了陆军男一组体育达标项目的设置与分类体系,提出了具体的体育达标考核方法。     

基于二进小波变换的MIP纹理映射在OpenGL中的应用

OpenGL中的纹理映射可以增加三维图形的真实性，而mipmapping多分辨率技术可以进一步增加真实性和减少内存占用，因此研究自动产生MIP纹理意义很大。通过采用二维二进小波的分解算法，在原纹理图像基础上可以得到各级低频的二进多分辨率的MIP纹理图像，从而自动产生不同细节的MIP纹理映射图像，而且与MIP映射技术要求相一致。最后通过实例验证了该方法的可行性并指出了不足之处。     

改进多重信号分类算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

增强发展活力和动力——中国兵器装备集团公司全面深化改革纪实

今年是全面深化改革的关键之年,兵器装备集团将有针对性地分类推进各项改革,不断增强企业的发展活力与内生动力,努力做到"四个着力",力争在七个领域取得突破2月11日,中国兵器装备集团公司宣告向重庆汽车金融公司增资入股,成为该公司控股股东。此举不仅极大增强了重庆汽车金融公司实力,而且促进该公司业务量以每年新增100亿元以上的规模发展。这是兵器装备集团加     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。