未来战争模式及对策浅议

未来战争呈现大纵深、立体化作战空间,快速到达、全天候的作战行动,高度发达的信息获取、控制、使用技术使战场趋于透明化,自动化、网络化、智能化的指挥系统,屈人而不夺人的军事胜利的基本特征;针对新一代战争提出了对策建议。     

论思想政治教育激发官兵履行新使命的自觉精神

新世纪新阶段我军历史使命为国防和军队各项建设指明了新的发展方向,也对我军思想政治教育提出了更新更高的要求。广大官兵作为履行我军历史使命的实践主体,决定了思想政治教育必须努力探索激发其自觉精神的有效途径。这对于开发官兵履行我军新使命的强大精神动力,提升军队战斗力具有重要意义。     

试论郑和下西洋的军事贡献--纪念郑和下西洋600周年

15世纪初的郑和下西洋,是军事史上一个意义重大的事件.当前学术界多从郑和下西洋的政治、经济、文化、外交、航海等方面研究其贡献,鲜少从军事角度进行阐述.本文从郑和下西洋坚持维护和平、反对霸权的军事原则,确立经略海洋、"以海屏陆"的军事战略,展现恩威并施、灵活多样的军事艺术等三个方面集中论述了郑和下西洋在军事上的贡献,揭示了郑和下西洋在军事史上的重大意义,从一个侧面反映出郑和不仅是一位和平使者,而且是一位具有政治远见、运筹帷幄的军事家.     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

m 序列的完备递归采样法

本文提出了m 序列递归采样的概念,研究并解决了素数周期m 序列的完备递归采样,对周期为合数的情况得到了一些有用的结论。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

物体识别不变性方法比较分析(Ⅰ)——统计方法

在计算机视觉与模式识别中,如何从不同的角度来识别同一物体而与该物体的位置、放置方向无关,是一个关键的课题,至今仍无很好的解决方法。本文中,我们总结了现有的方法,并将它们分为统计方法、解析方法和神经网络方法3类,并对这些方法的两个主要性能指标,即噪声敏感性和变形敏感性进行了模拟分析,模拟工作是在Masscom高速微巨机上完成的。最后,我们提出了一种新的方法。     

高炮系统作战能力评价模型

在层次分析的基础上,将模糊评判法与解析或仿真模型相结合,建立了高炮系统作战能力评价模型。利用该模型,可对高炮系统的攻击能力（包括对目标的探测能力、可射击能力和毁伤能力）、机动能力、防护能力和可靠性与维修性进行综合评价,定量地分析不同高炮系统作战能力之高低。     

基于本征极化的飞机目标识别

提出了变质极化散射矩阵对称性的最小Ｆｒｏｂｅｎｉｕｓ范数准则修正方法,并在此基础上利用本征极化理论提取了雷达目标的极化特征,对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。     

Comparison of rank aggregation methods based on inherent ability

Ranking is a common task for selecting and evaluating alternatives. In the past few decades, combining rankings results from various sources into a consensus ranking has become an increasingly active research topic. In this study, we focus on the evaluation of rank aggregation methods. We first develop an experimental data generation method, which can provide ground truth ranking for alternatives based on their “inherent ability.” This experimental data generation method can generate the required individual synthetic rankings with adjustable accuracy and length. We propose characterizing the effectiveness of rank aggregation methods by calculating the Kendall tau distance between the aggregated ranking and the ground truth ranking. We then compare four classical rank aggregation methods and present some useful findings on the relative performances of the four methods. The results reveal that both the accuracy and length of individual rankings have a remarkable effect on the comparison results between rank aggregation methods. Our methods and results may be helpful to both researchers and decision‐makers.