分类指导 精心安排 郴州军分区着力提高后勤人员学习实践效益

军分区后勤部门日常具体性、业务性工作多,特别是人武部实行资金集中支付制度以后,所有账目由军分区统一管理,人少事多、工学矛盾突出的特点更为明显。开展深入学习实践科学发展观活动,怎样让后勤日常业务工作和学习实践活动相互促进、相得益彰?湖南省郴州军分区注重搞好分类指导,精心组织安排,帮助后勤人员算好"三笔账",不断提高学习实践活动的质量效益。     

作战体系有序性判别模型*

未来作战已经逐步演变为体系之间的对抗,为确保我军作战体系有序进行发挥其作战力量,探讨了作战体系有序性问题;应用了耗散结构理论和灰色系统理论,把灰关联度与熵结合起来,以序参量为基础,建立了基于灰关联熵的作战体系有序性判别模型.研究结果为对作战体系实施调控提供了依据,使作战体系符合现代战场态势发展的需要.     

一种新的杂波环境下的多目标跟踪算法研究

杂波中的多目标的跟踪研究面临许多挑战.目标轨迹受多种动作制约,而且杂波通常是实质的非同质杂波.在多目标状态下,量测任务的计算量可能随航迹数和量测数呈指数增长,LMIPDA-IMM算法解决了这一问题.IMM算法可用来跟踪机动目标,LMIPDA算法计算目标存在概率,能够进行错误航迹的识别,从而航迹可自动起始和终结.LMIPDA提供了线性运算的航迹数和量测数多目标数据关联,仿真结果表明该算法在很强的非同质杂波中是很有效的.     

军事视野中的现代国家成长

掌握军事活动的规律,提高军事斗争的水平,是创建现代国家的关键性要素。中国社会主义革命的军事历程既书写了社会主义革命的崭新篇章,也是对现代国家建设和人类政治文明的重大贡献。军事对现代国家的政治发展产生了巨大影响。军事转型相对走在前列使发展中国家的政治建构为前者所引导。特别是国家的治理模式受到军事的深刻影响,同时,国家治理的精英队伍大大依赖于军事领域的人才供给。军事与现代国家经济发展的关联重要而又复杂,要做到两者的和谐发展不仅需要正确地把握两者的发展规律和内在关联,还应该有更为宏观的战略思维和对人类现代化的深刻认识。中国特色社会主义在这方面的探索形成全新的模式。     

用于多类分类的层次式支持向量机

针对支持向量机存在的训练数据量大导致的训练时间过长和训练数据不平衡导致的分类结果会向训练数据多的类倾斜等问题,提出了适合于多类分类的层次式支持向量机。在训练过程中,首先折衷考虑各类之间的距离和各类的训练数据长度,据此将训练样本分为距离较远且其长度基本平衡的2类,然后逐层进行训练,最终形成二叉树分类结构。仿真实验证明,该方法能够有效地缩短训练和分类时间,且对多类分类中的数据不平衡问题有一定的效果。     

基于灰色关联分析的防空兵力编组方案优选

要地防空中需要研究的问题很多,其中要地防空兵力编组方案优选是研究的重点问题之一,首先对灰关联分析方法和要地防空兵力编组的关联性进行了分析,然后在兵力部署要求的基础上,建立了评价指标体系及其量化分析,最后采用灰关联分析方法建立了方案优选模型,具体的实例验证了基于灰关联分析的兵力编组优选模型的可行性和有效性,为要地防空兵力编组方案的优选问题提供了一种量化的新思路。     

基于层次方法和PCA特征变换的宫颈细胞识别

对宫颈细胞多分类,可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法实验后,选取支持向量机（SVM）作为基分类器,先用一对一策略（one- versus -one）训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。又考虑不同层特征模式的差异性,在保证识别性能同时,每层分类前先采用主成分分析（PCA）法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次PCA法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

网络化军事信息系统数据架构研究

针对网络化军事信息系统的数据特点,提出了一种网络化军事信息系统数据架构,在多维数据分类的基础上,建立由全军数据、战区数据、部门数据构成的数据参考模型,并从支持信息共享、业务互操作、系统灵活重组3个方面,提出网络化军事信息系统的数据应用模式,探讨全军范围内的数据共享、业务互操作的实现方式,为网络化军事信息系统的数据规划提供参考。     

基于区域覆盖度的航迹灰关联算法

研究了在雷达存在系统误差情况下的航迹关联问题,分析了时变系统误差对航迹形成的影响,将系统时变误差的影响用灰区域来描述。提出了一种基于区域覆盖度的航迹关联算法,研究了算法在不同条件下的适用性,并将该算法拓展应用到异步等速率情况下,带有时间误差和系统误差直接进行关联,仿真结果显示关联正确率较高。     

空间密集群目标关联与跟踪算法研究

为提高对空间密集群目标跟踪的精度,提出了基于全局最近邻的群目标关联与跟踪算法。通过对空间密集目标进行群分割,将群跟踪问题转化为多目标跟踪问题,考虑到空间目标具有运动速度快的特性,基于"全局最优"原则选取距离最近的群目标和量测进行优先关联与更新,避免关联冲突和减少关联错误,可有效解决关联准确性与跟踪实时性之间的矛盾,同时提出航迹预测与轨迹预报相结合的方法,来解决跟踪过程中的航迹断续与融合问题。仿真实验结果验证了所提算法的有效性。