某自行高炮虚拟训练系统设计及关键技术

结合自行式高炮装备的结构特点和训练需求,采用机理与外观相分离的设计思想,建立一种多节点、多任务的分布式仿真训练系统。以机理模型为设计核心,采用了客户/服务器模式的系统拓扑结构。介绍了复杂装备外观建模方法和交互技术以及基于MATLAB的机理模型构建和系统集成方法。     

彰德秋操史实与影像补证CSSCI

本文依据文献与影像史料,对1906年彰德秋操的指挥机关、参演部队、军演经过、观操嘉宾情况,以及秋操影像进行了补充说明和考辨。例如,此次秋操虽设有中央审判官和南、北军审判官,但并没有审判处或评判处这种名称的机构,也没有参谋处,更没有徐世昌负责参谋处之事,也未见徐世昌参加此次秋操的文献或影像记录;审判官员均为事先指派的相关专门人员,而非各省观操大员;蒋百里并未出现在观操人员名单中;参演部队中,北军的第5镇实为混成第5镇,系由第4、5、6各镇抽调兵力临时组成。对数幅包含秋操将领、主持机构负责人及观操嘉宾的历史照片进行考辨,有助于明确其中人物之身份,辨别影像史料之性质。     

面向Bayer真彩色航空影像特征匹配的彩色描述符适用性分析

针对Bayer真彩色遥感影像进行特征匹配时,彩色描述符的效果与适用性问题一直研究较少。结合Bayer真彩色遥感影像成像变化规律和彩色描述符算法特点,从理论上分析彩色描述符的不变性。提出模拟数据评价、不同类别影像评价、任务总体适用性评价等三种实验方法对彩色描述符适用性进行实验验证和分析。通过理论分析和实验评估,总体上彩色描述符中RGBSIFT算法效果最优,对Bayer真彩色航空影像特征匹配有较好的适用性,并且不同地物属性影像在特征匹配时有不同的最优彩色描述符。     

顾及时空语义的多主题瓦片数据优化检索方法

针对虚拟地球可视化中多个逻辑图层叠加产生大量同名瓦片索引重叠引起的数据无效访问和内存冗余等问题,提出顾及时空语义的瓦片数据优化检索方法。在客户端实现顾及时空语义的自适应瓦片优选,将视点信息与数据集的时空范围、分辨率和优先级等语义信息自动匹配与自适应筛选过滤,显著提高目标瓦片数据的命中率;在服务器端实现面向主题的内存数据库瓦片数据缓存,进一步提高瓦片数据二次访问的响应速度。实验表明,该方法不受逻辑图层增量影响,保证目标瓦片较高的命中率,缓存方法进一步提升瓦片二次访问效率,显著提高面向多数据集的海量数据实时可视化性能。     

热线瞄准射击影像判读原理

针对部队训练需求和理论上的空白,根据热线瞄准原理,从理论上分析了热线瞄准射击影像的判读原理,指出了与前置瞄准射击影像判读的本质不同,提出了判读步骤,为进一步开发判读工具提供了理论依据。     

虚拟训练系统复杂装备建模方法研究

分析了虚拟训练系统装备模型的基本特征，并将装备模型分为外观模型与机理模型，在此基础上，介绍了外观模型的构造方法和基于有向图的模型约束结构，根据复杂系统以及虚拟训练的特点，建立了装备对象机理模型，同时阐述了外观与机理模型的系统应用。     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

怎样鉴别失效的农药

（一）直观法：先看产品是否过了有效期。农药有效期一般是从产品日期算起,时间为2年。过了有效期,农药就会变质失效。在有效期的产品,要看外观特征变化。粉剂农药如果已明显受潮结块,药味不浓或有其他异味时说明已失效：乳剂农药要先将药瓶静置观察,如果药液浑浊不清或出现分层或有沉淀或有絮状悬浮物等现象时,表明药剂失效的可能性很大。[第一段]     

要闻

曾培炎考察10兆瓦高温气冷实验堆张云川孙勤等陪同考察5月15日,国务院副总理曾培炎考察清华大学10兆瓦高温气冷实验堆,并听取有关于情况的汇报。     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。