围绕军事需求展开信息服务的初步探索

从研究现代信息化战争对信息服务的基本需求分析入手,将面向军事人员的信息服务设想为六种基本模式,三种信息服务层次。强调使零散的数据转化为信息,将信息管理提升到知识管理,把信息孤岛变为信息海洋,信息的价值在于运用,运用程度越高,信息的价值就越大。     

联合任务计划决策支持系统研究与实现

分析联合任务计划决策支持系统概念和特征,以为联合任务计划制定全过程提供决策支持为牵引,研究联合任务计划决策支持系统军事需求,设计联合任务计划决策支持系统总体框架结构,介绍了在此基础上实现的原型系统及其应用。     

基于支持向量机的末敏弹命中概率预测研究

用传统的机器学习方法进行末敏弹命中概率预报建模存在泛化能力难以保障、训练速度慢等一些困难。本文对统计学习理论和支持向量机的基本内容和核心思想进行了简要的介绍,探讨了基于支持向量机的末敏弹命中概率预报模型的建模方法。通过实例中的应用,该模型显示了泛化能力强,训练速度快,便于建模等优点,有良好的应用前景。     

装甲机械化部队指挥控制系统研究与设计

针对装甲机械化部队作战特点,研究提出了一种基于无线电台网的指挥控制系统,以期实现部队机动作战过程中各类信息的有效传递。文章详细介绍了系统的软硬件组成、性能要求与功能设置,并重点设计了系统各作战单元之间的信息流。     

自掏腰包购买工具，上级得悉并不领情美国水兵，“奉献”并悲哀着

也许世界上再也找不出哪个国家海军士兵的觉悟像美国海军士兵那么“高”,肯“自愿”从自己本来不鼓的腰包里掏银子去帮助海军修船。这种事发生在以雇佣关系为基础的美军身上已经令人感到很奇怪了,可令人更奇怪的是,美国海军高层对此不但佯装不见,而且还不领情,称这些自掏腰包的士兵自作自受,还违反规定。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.     

基于UUV支持的水下协同作战研究

未来水下协同作战将成为夺取制水下权的重要作战形式.阐述了UUV(Unmanned Undersea Vehicle)对水下战斗单元"协同作战"支持的裨益.提出了在保证水声通信畅通的前提下,基于UUV支持的水下战斗单元协同作战要解决的若干关键技术领域.重点阐述了传感器管理技术、水声通信网络技术、数据分发技术、水下多传感器信息融合技术等的基本特点和相关问题解决的基本方法.研究并提出了以UUV为水下中继通信平台的水下战斗单元"协同作战"模式的主要功能及结构框架.     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上,介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取,并详细介绍了模型参数的选取过程,避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域,并以一组智能BIT状态监测的数据对预测模型进行训练和验证,实验结果表明支持向量回归模型能有效地对雷达故障进行预测。     

基于访问特征负载预测的负载均衡算法

为了提高web集群负载均衡的效果,结合web服务用户访问静动态内容的特征,提出了一种基于访问特征负载预测的负载均衡算法。首先建立网络带宽负载和CPU、内存综合性能负载的小波包一支持向量机回归混合预测模型;然后根据用户请求的类型,结合负载预测的结果对任务进行分配和调度。仿真结果表明：与传统的基于负载预测的负载均衡算法相比,基于访问特征负载预测的负载均衡算法能达到更好的负载均衡效果,从而有效提高web集群的整体性能。