菜农夫妇的忙碌清晨

正农业生产形势喜人兵团第一产业生产形势稳定,1月至6月实现增加值34亿元,增长10.2%凌晨5点,49岁的丁亚丽从顽强的睡意中挣脱出来,她蹑手蹑脚地下了床,没敢吵醒刚睡下四五个小时的丈夫张慎敢。对于她来说,这样的清晨她已经历了20年。丁亚丽、张慎敢夫妇是农十二师头屯河农场二连的老职工了,种菜已经有20年的历史,眼前这块15亩的菜地,他们俩已耕种了10年,在兵团农业大发展,种植种类越来越多的今天,他们凭借着这门"老手艺",供三个孩子上了大学。     

新型基业

2010年6月3日,到兵团履职的第二天,兵团党委书记、政委车俊就赶赴正在紧张施工的农六师煤电有限公司,就兵团重大工业项目建设情况进行调研。在热火朝天的建设工地上,车俊强调,深入贯彻落实中央新疆工作座谈会精神,关键是要找到启动点,兵团要加快步伐推进新型工业化,实施优势资源转换和大企业大集团战略,培植实现跨越式发展的支撑项目。     

一种面向语义正确性的关系数据库访问方法

从异构关系数据源中获取语义正确的信息是当前利用数据资产辅助决策所面临的一大难题.为解决这一问题,提出了一种研究面向语义正确性的关系数据库访问方法(SCORDA).SCORDA方法采用DL -LiteNOWL本体作为支持数据访问任务的概念视图,在本体的表达能力和推理复杂度之间做了一定折中;SCORDA方法通过LAV+ GAV的映射方式建立本体与关系数据源之间的语义关联,兼顾了模式异构和阻抗失配问题;此外,SCORDA方法采用了一种动态ABox结构,即时从异构关系数据源中恢复虚拟对象,并且利用动态ABox进行实例检测推理任务,通过本体的模型语义来保证数据访问的正确性.通过原型系统验证了该方法的可行性.     

神经网络和DEA方法的炮兵火力毁伤先验评估模型

提出运用BP神经网络理论和数据包络分析(DEA)方法,对炮兵火力毁伤先验评估问题进行研究。利用以往经验数据建立样本集,通过BP神经网络预测模型,对待评估的炮兵火力毁伤计划进行分析,预测其毁伤效益,再建立带有偏好锥结构的DEA评估模型,分析火力计划的可行性和合理性;最后以某部17组炮兵火力毁伤数据进行实例分析。结果表明,该模型能给出科学、明确、可靠的先验评估结果。     

空地协同反干扰目标交叉定位融合算法

传统双站交叉定位精度较高,但在基线及其延长线无法定位且在基线附近定位误差迅速增大;预警机测高交叉定位可实现全空域定位,但定位精度不高.针对这两种定位方法的优缺点,提出了基于传统交叉定位和预警机测高交叉定位的距离解算加权融合算法,并进行了仿真分析比较,证实了算法的有效性.     

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。     

屏蔽数据在新型截尾样本下系统的可靠性分析

当系统含有屏蔽数据时,在具有随机移走逐步增加型截尾模型下,讨论了部件寿命服从双参数指数分布的串联系统可靠性估计问题。设随机移走系统数服从二项分布,利用极大似然方法,Bayes理论及方法,推导出双参数指数部件参数、系统可靠性函数、失效率函数及移走概率的极大似然估计和Bayes估计。并利用Monte Carlo方法对两种估计结果进行了比较,表明Bayes估计较极大似然估计效果更优。     

面向任务的作战数据保障能力评估方法与工具

作战数据保障为部队的指挥决策和作战行动提供数据服务,是确保精确指挥和精确打击的重要措施。提出面向任务的作战数据保障能力评估过程,建立作战数据保障能力评估指标体系,研究了作战数据保障能力的指标量化分析方法,开发相应的评估工具。该工具支持指标体系编辑、指标量化和数据采集等功能,为作战数据保障能力评估提供了有效的支持。     

分布式UDDI的数据一致性优化模型

UDDI注册中心本质上是一个存储着Web服务注册信息的数据库,针对分布式存储与检索体系架构中出现的数据不一致性的问题,提出了一种分布式UDDI的数据一致性优化模型。首先分析了分布式UDDI及UDDI的核心数据模型,以及在分布式环境下的异构数据源问题。在此基础上,分析了数据的一致性问题,构建了UDDI节点—数据模型间的可达性矩阵,最后研究了分布式UDDI的一致性数据存储策略。该优化模型能有效减少存储冗余和检索网络带宽的消耗。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。