水下导航数据融合方法

设计了一种基于多模型自动识别与转换的潜艇水下自适应卡尔曼滤波算法,并以此为基础,引入联邦卡尔曼滤波思想,结合模式识别技术,实现模型的自动识别、转换与跟踪,克服常规卡尔曼滤波对于变模型系统没有自适应能力致使在很多情况下误差太大或无法应用的缺点.仿真结果证明此方法可以复杂的潜艇水下综合导航的数据融合技术开辟一条新的有效途径.     

基于多机载预警雷达的机动目标融合跟踪方法

机动目标跟踪是多机载预警雷达数据融合中的一个难点,传统的卡尔曼滤波本身不足以解决该问题.基于量测噪声协方差估计设计了一种可适用于机动目标的卡尔曼滤波器;引入了协方差交集,提出了一种针对多机载预警雷达数据融合中机动目标跟踪的新方法.仿真实验表明,该方法能够成功稳定地跟踪机动目标,与现有的主流方法相比,该方法的误差性能是最佳的.     

基于机器学习的CSE-CIC-IDS2018入侵检测数据集优化降维分析

测试数据集的质量对入侵检测系统的性能起着至关重要的作用,在保证质量的前提下对入侵检测数据集优化降维,是提高入侵检测系统高效准确运转的重要措施.使用K近邻、决策树、随机森林和Softmax分类算法,对CSE-CIC-IDS2018入侵检测数据集进行特征维数探究,按照特征重要性评分对分类器进行特征递减式训练,分析机器学习分类器对该数据集的特征维数依赖关系.结果表明,数据集的特征数量由83个减少至最低7～9个时,分类器仍可以保持较高的分类性能,且检测时间显著减少,计算效率更高.     

水下传感网络中能效感知的相似数据融合算法

水下无线传感网络(Underwater Wireless Sensor Networks,UWSNs)被认为是监测和开发水域环境的有效手段.相比于传统的无线传感网络,UWSNs中节点采用声通信传输数据,消耗了更多能量.而簇是管控数据流量、减少节点能耗的常用方法.为此,针对簇化的UWSNs,提出能效感知的相似数据融合(Energy efficiency-similarity Ag-gregation,EESA)算法.EESA算法利用欧式距离消除冗余数据,每个传感节点不是将感测的原始数据直接传输至簇头,而是将数据进行压缩,构建成具有代表性的数据点,再将这些数据点传输至簇头,进而控制数据流量,减少节点能耗.仿真结果表明,提出的EESA算法能够有效减少节点的能量消耗.     

【专题】基于装备试验数据的信息管理平台建设研究

装备试验数据作为装备制造产业的重要生产要素,对其管理的能力已成为企业应对创新发展机遇的重要竞争力。本文对装备试验数据进行概要介绍,并对试验数据结构及特点进行分析。同时,按照装备试验数据的保密管理原则,结合装备试验活动各阶段产生的数据类型,以及试验数据量大、种类多、处理速度快等特点,提出试验数据分级管理模型。在此基础上,从试验数据在装备履约、鉴定评估以及实际应用等管理需求出发,分析当前数据管理要求规范化、多源数据管理系统化以及分析工具综合化等数据管理中需要关注的问题,提出装备试验数据信息管理平台建设框架,深入分析管理平台的基础运行环境、数据采集与预处理、分布式存储、数据分析挖掘与应用等信息管理功能模块,旨在为进一步加强装备试验数据管理提供借鉴与参考。     

基于区块链的装备数据安全共享方案研究

军事装备大数据是实现军事现代化、智能化的基础,其中,数据共享对实现装备可视化管理、整合装备供应链、优化指挥控制系统等具有至关重要的作用。军事装备数据涉及核心机密,数据的安全共享问题是导致这些技术发展迟缓的关键因素之一。区块链是一种具有去中心化、不可篡改、稳定可靠等特性的分布式链式账本技术,利用区块链技术和云计算可以保障装备数据安全,在军事领域有着广阔的发展前景。本文面向装备数据安全共享业务开展研究,探讨利用基于属性加密技术和智能合约技术解决不同主体间的信任问题,并提出了基于区块链的装备数据安全共享方案,以打破传统装备系统中的“信息孤岛”现象。     

情报大数据治理框架研究

本文从情报处理的发展和演变着手,面向当前大数据技术飞速发展和情报数据量呈爆炸式增长的趋势,介绍了大数据治理的概念和本文对于大数据治理的理解,并进一步针对数据治理和数据清洗内涵的不同进行了区别说明。此外,还梳理了当前各国在大数据治理和大数据开发方面的现状,对我国在大数据治理方面的政策环境和技术发展情况进行了概括。本研究针对情报大数据的特点,分析了大数据治理对于情报数据发挥作用的重要性;针对情报大数据在数据治理方面面临的问题,分析了情报大数据治理的需求;在情报大数据治理框架方面,构建了由人员组织机构、治理机制、形成的能力、治理策略等方面组成的情报大数据治理模型;对情报大数据管理生命周期内的治理内容进行了描述;最后对情报大数据治理的前景进行了简单展望。     

分布式流体系结构及其编程模型与资源管理

利用互联网资源提供大数据计算服务面临着资源异构性、动态性与通信长延迟等方面的挑战,现有分布式计算模型仍存在一些不足。运用流计算模型提出分布式流体系结构,包括分布式流编程模型与资源管理等,能够高效支持多种并行执行模式。在10个CPU-GPU异构结点上实现了原型系统,仿真实验验证了7个不同的测试用例。实验结果表明,与本地串行计算相比,分布式流体系结构可以平均提高39倍计算性能,具有较大的应用潜力。     

国家治理中大数据应用展望

大数据作为“新时代的石油”在社会方方面面发挥着巨大的作用。随着大数据上升为国家战略资源,其在国家治理发挥的作用日渐凸显,将以更加华丽的身份进入包括但不限于社会治理、政府治理等方面。本文基于当前大数据在各个国家治理的影响和作用,进一步探讨大数据在该领域的发展前景和挑战,也希望为大数据行业从业者等信息技术人才提供理论参考。     

大数据时代高职院校网络思政教育精细化探究

大数据、云计算、物联网、区块链、人工智能等新一代信息技术的集成运用,为高职院校网络思政教育带来新的机遇与挑战,本文以马克思主义理论为指导,运用教育学、计算科学、管理学等学科综合性研究的理论视角,剖析高职院校网络思政教育存在的现实矛盾,提出网络思政教育精细化的概念,尝试探索出大数据时代高职院校网络思政教育精细化的三大路径,为大数据时代高职学生思想政治教育工作提供可遵循的实践范式。