多模态交叉解耦的少样本学习方法

当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。     

虚拟PDM环境下基于特征增长的协同设计

协同设计目前已经成为解决复杂产品设计问题的关键技术之一.在分析了现有协同设计问题的基础上,提出通过构建虚拟PDM(VPDM,Virtual PDM),应用交换特征增长数据的方法,来解决企业间异构PDM、CAD应用系统的协同设计问题.给出了虚拟PDM的定义,并介绍了基于虚拟PDM进行协同设计的基本原理.建立了基于虚拟PD...     

目标多特征信息的模糊数据关联算法

传统的解决密集杂波环境中多目标跟踪的数据关联算法主要是基于目标的距离特征。由于利用的信息有限,容易导致目标的误跟和失跟。提出一种基于目标多特征信息的数据关联算法,将目标的距离特征、方位特征和雷达散射截面积特征进行模糊信息融合,实现对雷达目标的关联。仿真结果表明了该算法的有效性。     

基于多重特征量的地磁场匹配导航

目前基于相关性度量匹配的地磁场导航算法一般仅取地磁场的某一个特征量作为匹配量,易落入匹配目标的局部极小值,导致定位结果不理想.提出选用多个地磁场特征量,采用贝叶斯方法,以多目标最优问题求解地磁场的匹配定位.实验结果表明,相比现有的地磁定位算法,提出的方法更易获得全局最优解,因而能够提高匹配概率和匹配精度.     

围绕主题主线科学推进预备役部队质量建设

推进各项建设科学发展和加快转变战斗力生成模式,是新时期新阶段我国国防和军队建设的主题和主线。预备役部队贯彻这个主题和这条主线,应与落实党中央、中央军委和胡锦涛主席近年来关于加强军队和国防后备力量建设的一系列重大决策指示结合起来,从自身的性质特征、职能使命、内在规律和现实基础出发,理清思路,端正指导,整体筹划,协调推进,全面提升建设质量和科学发展水平。