公里级背景数据采集及伪装特征提取方法

背景采集与处理是伪装设计的首要步骤。为了提高公里级背景范围采样的准确性和完整性,利用系统抽样理论提出了基于空中成像的背景两级采样方法。第一级采样通过剖分背景区域网格获取背景地物和地貌分布规律。第二级采样依据“接受-拒绝”法有针对地获取背景细节图像。基于颜色、距离和纹理特征差异性度量构建背景特征提取模型。然后通过SLIC(simple linear iterative clustering)算法分割超像素图像形成背景特征区域划分。实验中收集了某地300 km²范围12个一级采样点的数据,并分析了背景地物占比和分布特性。针对分析的结果,二级采样采集了戈壁滩、农田村庄和道路三类背景数据。对比了不同分割参数下农田村庄背景图像的分割性能,并探讨了基于k-means和超像素分割模型的差异性。最后生成了3类背景的斑点形状和7种主色特征。结果表明,采样流程能够有效获取公里级背景数据分布和细节纹理颜色特征。超像素分割模型能够优化斑点区域的完整性。该研究为移动目标伪装设计提供基础依据。     

装药速度对三波点高度的影响

为研究装药速度对三波点高度的影响,对不同速度下装药的近地动爆过程开展了数值模拟,获取了动爆冲击波场演化历程图像,定量研究了近地面动爆冲击波流场演化情况。仿真结果表明：装药速度对三波点的高度有较大影响,在速度正方向上,装药速度越大,同时刻三波点高度越高,且变化幅度随装药速度的增加而增大,马赫波形成位置到爆心投影点的距离较静爆时更远,在距爆心投影点相同水平距离处三波点高度越低,在速度负方向上则反之;在速度正方向距爆心投影点相同水平距离处,B炸药和C4炸药形成的马赫波高度相当,二者的三波点迹线更贴近于地面,TNT装药的三波点高度较高。     

基于GAN的入侵检测系统对抗样本生成模型

随着人工智能技术的兴起,基于深度学习的网络入侵检测系统已广泛应用,但神经网络模型很容易受到对抗扰动的影响。攻击者通过在网络流量中添加微小的扰动来构建对抗样本,使得入侵检测系统对其错误分类。论文基于GAN进行设计与改进,提出了一种对抗样本生成模型AdvWGAN,该模型针对恶意流量生成满足网络流量特性的对抗性恶意流量,并对黑盒入侵检测系统进行对抗攻击。实验表明：AdvWGAN能够在保证网络流量真实有效的前提下实现对深度学习入侵检测模型的有效黑盒攻击。     

弯管几何参数对弯管中导波传播特性的影响

为研究不同几何参数下弯管中导波频散曲线的特征,使用半解析有限元法对不同弯管中导波频散曲线进行了计算,分析了弯管的三个特征几何参数(截面外径d、截面壁厚h、弯曲半径R)改变时导波频散曲线的变化.研究发现:弯曲半径-截面外径比R/d和截面外径-壁厚比d/h对于导波频散曲线都具有较大的影响;当弯管的弯曲半径-截面外径-壁厚比...     

基于谱估计的方位时间序列匹配算法

利用水声匹配场的思想建立了纯方位TMA(Target Motion Analysis)的匹配处理模型,把纯方位TMA改建为谱估计问题,进一步引入信号处理领域的MUSIC谱和快速傅里叶变换处理估计目标运动参数.数值仿真结果表明:子空间MUSIC算法较不稳定,搜索步长较大使得结果在真值附近波动较大,不能准确而稳定地收敛到真...     

多模态交叉解耦的少样本学习方法

当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。     

论新世纪新阶段我国国防后备力量转型建设

为加强新世纪新阶段我国国防和军队建设,军委主席胡锦涛在提出我军"三个提供、一个发挥"的新使命后强调,国防后备力量建设要提高军民兼容水平和平战转换与快速动员能力、科技支前能力、维护社会稳定能力(即"一个水平、三个能力").     

浅谈海军预备役部队军事训练

"仗怎么打兵就怎么练",是军事训练必须遵循的基本原则."担负什么任务就练什么本领",是快速提高武装力量战斗力的有效方法.搞好海军预备役部队军事训练,使之尽快形成快速动员和作战保障能力,必须注意把握好以下几个问题:     

试论信息化条件下谋略思维特征的变化

谋略是人脑对客观事物的主观反映.战争形态、作战模式、战场环境等的转变必然引起谋略思维的变革.信息化战争中谋略思维特征将呈现出"对抗性软化、协调性凸显、层次性模糊、概括性拓展"等新变化.