无源雷达截获概率建模与窗口变量影响仿真

在截获概率概念和截获条件的基础上,综合时域、空域、频域等窗口函数构建截获概率模型,分别建立截获过程的4个窗口函数子模型,研究截获概率与窗口函数变量的影响关系。以SPS-48雷达为辐射源,仿真分析各窗口函数变量对截获概率的影响程度,讨论分区策略下无源雷达参数优化对截获概率的影响并总结截获概率提高方法,为无源雷达设计、研制、试验以及使用提供技术支撑。     

领导干部的政治能力该怎么体现

习主席多次强调各级领导干部要加强学习和实践,努力提高思想政治能力,对加强政治能力训练、政治历练提出明确要求,指明正确方向和科学路径。军队领导干部要深入学习、认真领会,提高与职责匹配的政治能力。不断创新的思想理念能跟紧。政治忠诚是政治能力之魂,最内在的忠诚源于政治认知。领导干部思想落后就是最严重的失职,作为单位的决策者,思想站位要更高。最根本就是要紧跟党的创新理论学习,     

新疆民汉教师网络学习现状差异对比研究

文章调研民汉教师在网络学习次数、网络学习资源获取能力、网络学习条件、网络学习人际互动水平、网络学习效果等方面的现状.一方面,通过独立样本T检验发现,民汉教师在参与网络学习的次数、网络资源获取能力上存在显著性差异,而在网络学习条件、网络学习人际互动水平、网络学习主动性以及网络学习效果方面并不存在显著性差异.另一方面,通过多因素方差分析发现,男性民族教师网络学习现状整体状况较差,有待进一步提高;大龄及教龄较长的民族教师在网络学习主动性及网络交流人际互动水平上与汉族教师存在较大差距,值得关注;乡镇级学校民族教师网络学习条件较差,网络学习主动性和网络人际互动水平均亟待提高.     

滑模控制的新型双幂次组合函数趋近律

提出一种基于双幂次组合函数趋近律的新型滑模控制方案。与现有的快速幂次或双幂次趋近律相比,具有更快的收敛速度,同时还保持了全局固定时间收敛特性,收敛时间上界与滑模初值无关。当系统存在有界扰动时,能够使滑模变量在有限时间内收敛到稳态误差界内,同时其稳态误差要小于现有方法的。仿真实验验证了该方法的有效性及理论分析的正确性。     

方差全局灵敏度求解的空间分割结合无迹变换方法

为有效计算基于方差的全局灵敏度指标尤其是非线性程度较高的响应函数的,将积分空间的可加性以及无迹变换结合起来,利用函数在子空间内非线性程度会降低以及无迹变换方法在概率空间内对低非线性函数性质具有强捕捉能力的特点,提出计算基于方差的全局灵敏度指标的高效方法。该方法只需产生一组无迹变换样本就可以近似求得各阶灵敏度指标,并且该近似解随空间分割个数的增加而收敛于真值。通过非线性程度较高的验证算例及工程算例验证了所提方法在处理非线性功能函数上的高效性和准确性。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

“战争全局”论的历史与现实

中国人民解放军的战略理论与实践,已经延续90年。其核心理论是毛泽东奠定、习近平继承并发展了的"战争全局"论。它来自战争实践,并在战争中得到检验,指导中国革命战争取得了胜利,因而是科学的理论。然而,自20世纪80年代初,中国学者引入了西方的"战斗主体"论,发生了第一支支流;20世纪90年代初,自产了"军事斗争全局"论,发生了第二支支流,三极分立的理论格局初步形成。两股理论支流的共同特征是去"战争全局"论,形成了30多年的战略概念"偏航史",背离了战争规律。2014年,习近平发表《关于战争指导问题》,继承了毛泽东的"战争全局"论,并在新的历史条件下加以发展,为我军的战略理论与实践指明了方向,更是指引战略概念"迷航"走出误区的"航标"。本文论述了战略概念偏航史的发生、发展、运作的过程及其影响与根源,并呼吁重塑"战争全局"论的传统历史。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

具阻尼广义Korteweg-de Vries方程的迭代学习控制

研究了一类具阻尼广义Korteweg-de Vries(KdV)方程的迭代学习控制问题,利用半群理论导出系统状态的表达式及先验估计。若迭代过程中初值允许存在一定偏差,结合P型迭代学习控制算法,证明了跟踪误差在Banach空间■中收敛,并且给出了数值实例。