基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

泛函微分方程x’（t）＝a（t）f（x（μ（x（t））））的解的性态

本文研究偏差变元依赖状态自身的泛函微分方程ｘ’（ｔ）＝ａ（ｔ）ｆ（ｘ（μ（ｘ（ｔ））））（１）的解的渐近性态。进一步推广或部分推广Ｄｕｎｋｅｌ［１］、Ｅｄｅｒ［２］、Ｗａｎｇ［３］、吴汉忠［４．５］及作者［６～８］等人的工作。文中使用了一些新方法,也得到了一些新结果。     

地球模型偏差对远程弹箭弹道仿真的影响及修正

针对地球模型精确度影响远程弹箭弹道仿真的问题,分析了地球模型偏差对弹道仿真精度的影响并加以修正。采用总的地球椭球系,在已有弹道模型的基础上,分析了垂线偏差的产生机理及其对定向定位参数的影响,并由此得出弹道几何偏移随定向偏差的变化规律,研究了引力加速度初值偏差对弹道的误差累积,并对由水准面不平行性造成的实际落点高差进行了理论推导。对比仿真算例表明,考虑地球模型偏差影响的仿真结果与不考虑的情况下差别较明显,在远程条件下对弹道仿真精度的影响不容忽视。     

饕餮新年勿忘养生

盼了一年,羊年的春节就快到了,这是中国最富有特色也是国人最关注的传统节日之一。随着新春佳节的喜庆气氛逐渐蔓延开来,各类喜宴、公司聚餐、家庭聚会也将接踵而至,人们会放下忙碌的工作尽情去享受新年的喜悦。往年有很多人因为不注意"吃"的方法而使肠胃饱受折磨,甚至身体在节后出现一些小毛病。到底新年聚餐应该如何吃才能既享受各种美味佳肴又保证健康的身材与体魄呢?下面小编就教您几个关于聚餐的养生小妙     

基于迁移学习的小样本事件抽取技术及军事应用展望

事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解决事件抽取面临的训练数据缺乏问题,从而提升小样本事件抽取的效果。对基于迁移学习的小样本事件抽取技术及其军事应用展望作了全面的阐述,回顾事件抽取的起源与发展,描述迁移学习事件抽取的研究背景,并重点总结目前的技术方法及其军事研究现状,提出其军事上应用展望,最后对其面临的问题挑战和未来研究热点作了分析。     

夯实“三道防线”助力远航舰艇预防犯罪工作

随着新时代海军全面发展,水面舰艇挺进深蓝、巡弋大洋已成常态,如今远航任务密集、舰艇动散频繁,对安全稳定提出更高要求。作为舰艇安全稳定压舱石,预防犯罪工作发挥着不可或缺作用,必须围绕远航舰艇特点,以“三道防线”强势巩固预防犯罪工作,夯实安全稳定根基。一、紧盯思想防线,固根本保稳定远航舰艇环境密闭、生活单一,且时间漫长、通联不畅,对官兵思想无疑是一大冲击。应切实掌握思想底数,及时扭转思想偏差,持续跟踪思想动态,强固思想根基,确保思想稳定。     

伪卫星增强系统参考站接收机的测距偏差及优化

伪卫星相对地面用户是静止的,因此卫星与参考站接收机之间的距离几乎是不变的。在这种情况下,采样和量化引入的误差不再服从高斯分布,从而影响接收机的测量精度。为了解决这一问题,建立了卫星导航接收机的离散数字信号模型,并在此基础上分析了采样和量化对测距偏差的影响,通过仿真验证了结论的正确性,并提出了伪卫星增强系统下参考站接收机的优化设计方法。     

基于小弹性模量法的空间飞网构型优化设计

飞网构型设计对提高空间飞网系统的展开抓捕性能具有重要意义。用小弹性模量分析方法对空间飞网构型优化设计问题进行了研究。以绳网中内力分布均衡性为优化目标,选取飞网抛射过程中最大受力时刻为研究工况,赋予绳索单元极小弹性模量,进行静力学计算,并以变形后的结果为初始条件进行迭代分析。优化结果表明,绳网中的内力分布随迭代步数的增加而更趋于均匀。在不改变绳网拓扑结构的前提下,本文所建立的优化设计方法为空间飞网构型优化设计提供了一种参考途径。     

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。     

考虑地磁场空间梯度的飞行器磁干扰建模与求解方法

首先,在研究飞行器背景磁干扰模型与小信号模型的基础上,分析了地磁梯度沿纬度与高度的变化规律,分析可知由于飞行器的机动,地磁梯度会对测量结果造成影响;然后,考虑地磁梯度因素,对原有小信号模型求解方法进行了改进：飞行器在四个航向上做小角度的机动飞行,将地磁场沿纬度与高度的梯度作为未知量,与飞行器磁干扰模型中的剩磁参数、感磁参数和涡磁参数一起求解;最后,利用实测试验数据进行了验证,结果表明：考虑地磁梯度的影响与不考虑地磁梯度的影响相比,求解的模型参数可以在细节上进一步提高飞行器背景磁干扰的补偿效果。