用经济可承受性思想指导武器装备建设

在归纳经济可承受性思想含义的基础上,给出了装备经济可承受性的数学模型,并对其特征和实践指导作用进行了分析。重点研究了经济可承受性在武器装备综合评价和武器装备建设中的应用。本文给出的提高经济可承受性的具体方法,具有可操作性。     

构建大学英语教学考评体系探讨

本文在分析当前大学英语教学考评体系存在的问题的基础上,根据《大学英语课程教学要求》,针对大学英语教学"2 2 X"模式,构建了相应的多样化考评体系。     

脉冲激励下船舶结构谐振响应预报及其模态阻尼参数识别

从模态识别基本原理出发,对脉冲激励下的时-频域响应、谐振激励下的时域响应的表达式进行推导,找到了其时-频域下的幅值关系,认为一定条件下谐振响应中伴随自由振动成分短时间内难以衰减,指出谐振激励力幅值与脉冲力幅值相等时,脉冲响应频谱对应频率下的幅频与谐振下的强迫振动幅值相等。在建立响应等价关系的基础上,推导了仅通过脉冲响应频谱上有限个谱线信息所确定的某阶模态阻尼比的计算公式。利用船体梁模型验证了响应预报及阻尼比估算的准确性。完成了2块不同材料典型船体板单元模型的前8阶模态阻尼比测试,通过数值计算结合试验响应频谱验证了方法的快速性、可靠性。     

基于数据适应性检验的身管磨损量预测研究

应用灰色系统理论研究不确定系统,对系统进行灰色预测模型建立的同时,需要检验系统原始数据序列是否符合建模要求。主要从3个方面检验数据建模的可行性,分别是光滑比、极比偏差和凹凸性检验。结合某型坦克炮身管内膛烧蚀磨损数据,采用不同的磨损数据作为灰色预测模型建模的原始数据序列,具体分成两种情况进行数据检验,并代入模型计算,分析不同情况下模型的预测精度,通过对比计算结果选出与模型匹配度更高的原始数据序列。     

基于网络抗毁性的装备贡献度评价

高新技术的应用使装备间关联关系更加复杂,武器装备论证更加困难。装备对体系贡献度研究为武器装备论证发展提供了新思路。基于作战环思想构建武器装备体系作战网络模型,同时完成作战环理论所划分的同类型装备的网络化建模,提出复杂网络背景下装备贡献度的定义及基于网络抗毁性的贡献度评价方法,通过美国国家导弹防御系统进行算例分析来验证该方法的可行性。结果显示,不同装备对体系的贡献度大小可以通过复杂网络模型进行预判。     

多雷达观测信号融合检测算法

针对海上小目标检测问题提出了一种基于多雷达观测信号层融合的检测算法。该算法对各个雷达的观测值按采样时刻进行排序,然后根据对应时刻的脉冲信号进行高阶互累积量计算然后在相关域上积累进行似然比检测。仿真分析表明该算法与基于贝叶斯准则的分布式检测算法相比,具有较低的复杂度和低信噪比条件下较高的目标检测概率。     

基于动态贝叶斯网络的复杂网络抗毁性分析

复杂网络抗毁性是复杂网络在节点或边遇敌攻击后能继续维持基本功能的能力,是衡量军事信息网络鲁棒性和敏捷性的重要指标。针对复杂网络及对作战体系支撑能力的多指标、复杂化和动态演绎特点,在静态分析方法基础上,提出基于动态贝叶斯网络的抗毁性分析方法。建立了复杂网络抗毁性指标体系。构建了基于动态贝叶斯网络的复杂网络抗毁性评估模型,提出确定评估模型参数的方法。仿真验证了方法的可行性和有效性。     

编辑手机报应突出“四性”

<正>针对手机报短而精的特点,编辑要做到开门见山,提出主题,以题概文;导语为先,引领方向,正文补充;长篇短编,短篇精编,灵活取舍;多方选稿,善于综合,归纳总结;利用搜索,丰满稿件,不留问号。美国媒介理论家保罗·莱文森认为:人类有两种基本的交流方式——说话和走路。可惜,自人类诞生之日起,这两个功能就分道扬镳,直到手机横空出世,才将这两种相对的功能整合起来,集于一身……无线移动的无限双向交流潜力,使手机成为信息传播最方便的媒介。2004年7月,     

网络雷达对抗系统涌现性研究

涌现性是网络雷达对抗系统这种新型综合电子战系统复杂特性的典型表现。分析了网络雷达对抗系统组成与交互,阐释了网络雷达对抗系统涌现性的内涵及构成,总结了网络雷达对抗系统涌现性的不可加性、不可还原性、局部影响整体性和局部整体一致性特征,从组成效应、结构效应、交互效应、环境效应四个方面剖析了网络雷达对抗系统涌现性的产生机理,提出了网络雷达对抗系统涌现性控制4C方法。     

用于减少远程Cache访问延迟的最后一次写访问预测方法

为减少远程Cache访问延迟,提高共享存储系统的性能,提出了一种新的基于程序内在写突发特性的最后一次写访问预测方法,并对一个具体的目录协议进行了改造,以支持该预测方法。通过预测Cache块的最后一次写访问并提前对其进行降级,处理器能直接从主存中读取数据,从而减少了远程Cache访问所需的一个网络跳步数。与当前基于指令的预测方法相比,该方法能极大减少存储开销。基准测试程序的评测结果表明,该方法能获得83.1%的预测准确率,并且能提高8.57%的程序执行性能,同时与基于指令的预测方法相比,该方法能分别减少历史踪迹表69%的存储开销和签名表36%的存储开销。