切实担负起提升基层党组织组织力的政治责任

习主席在中央军委党的建设会议上强调,要加强我军党的组织体系建设,增强各级党组织的领导力、组织力、执行力,把党的政治优势和组织优势转化为制胜优势。党的基层组织是党全部工作和战斗力的基础,只有基层党组织坚强有力,党员发挥应有作用,党才有战斗力,军队才能无往不胜。作为军队党员领导干部,学习践行习主席重要讲话精神,就是要站在维护核心的政治高度,发挥组织功能,建强战斗堡垒,团结凝聚力量,投身强军实践,切实担负起提升基层党组织组织力的政治责任。     

作战数据工程建设与发展

战争形态正加速向信息化战争演变,数字化作战成为主要形式,作战数据以前所未有的深度广度进入战争全脉络,成为作战的核心,影响着战争进程甚至决定成败。习主席高度重视作战数据建设,多次指出我军数据积累严重不足是军事斗争准备的短板弱项。因此,建设完善配套的作战数据库和形成战时高效的作战数据保障能力,对获取作战信息优势、提升指挥控制能力至关重要,对于提高我军基于网络信息体系的联合作战能力具有重要的支撑作用。     

基于改进小波阈值的MEMS陀螺去噪方法

MEMS陀螺由于结构不完善而存在较大的随机误差,为了推进MEMS陀螺的实用化水平、提高测量精度,首先对MEMS陀螺进行了Allan方差分析,得到了MEMS陀螺随机误差的主要成分;然后通过分析软阈值函数和硬阈值函数在直线上的降噪结果,得到了两种阈值函数的缺陷,为了解决软阈值和硬阈值函数的问题,推导了改进的小波阈值函数。通过对比各种阈值函数和阈值量化准则的降噪效果,确定了最终的降噪方案,将此方案应用在陀螺的动静态输出中,使陀螺输出数据的稳定性提高了一个数量级,数据的平均值也更加接近真实值。     

往返搜索发现概率仿真分析与应用

往返搜索是一种最常见的搜索样式,其搜索效能与搜索宽度、发现距离、搜索速度、突破速度等因素密切相关。在建立往返搜索行动模型的基础上,通过仿真实验得到耕耘数据,进而通过数据分析和处理得到往返搜索发现概率的经验公式。应用经验公式并结合声纳探测模型,对多搜索艇分段封锁搜索案例进行了优化研究。     

基于效果的装备保障合同商选择方法

基于效果的合同商装备保障是将基于效果的维修理念应用于合同商装备保障领域提出的一种装备保障策略,更加关注装备的作战效能,同时对合同商提出了更高要求,因此,选择恰当的合同商对于实现预期结果显得更为重要。而合同商选择是一个多准则决策问题,很大程度上依赖于决策者和决策条件状态的不确定性和模糊性。构建了一个基于效果的合同商选择系统流程,并提出了基于相似度的模糊TOPSIS法,简化了计算流程,最后通过一个具体案例来验证该方法的有效性。     

国防动员大数据应用前景与对策

大数据时代,国防动员领域将发生崭新的变化.在动员资源表现形式上,由数字化升级为大数据化;在动员数据管理模式上,由"分散垂管"变为"组合增效";在动员计划决策功能上,由主观动员变为智慧动员.大数据对于国防动员领域的影响是革命性的,国防动员领域需要主动、积极地迎接大数据时代,包括树立大数据理念、抓好大数据项目研发与应用、加强大数据人才队伍建设、完善与大数据相适应的法规标准.     

大数据视野下微博涉军舆情引导策略

微博作为大数据时代具有代表性的社交媒体平台每时每刻都产生海量多样的媒体信息,各种涉军舆情信息混杂其中。微博数据的这种大数据特性对涉军舆情监测、识别、引导和管控带来了前所未有的新挑战。研究大数据背景下微博涉军舆情的特点规律和引导策略,对涉军舆情的管控有积极的理论和现实指导意义。     

关联数据及其在国际军事情报工作中的应用

关联数据是语义网的最佳实践,其国际最典型应用体现于军事情报工作中。在阐述关联数据的概念及其"数据"与"语义关联"的本质特征的此基础上,分析了关联数据在情报工作全流程中的具体应用,包括:情报收集的多源异构情报融合共享获取能力、情报分析的智能化关联综合能力、情报发布的开放与知识链接导航能力及情报组织利用的语义结构化与高效检索能力等,并进而提出了我国我军实现关联数据的策略。     

通用扩张状态观测器鲁棒飞行控制方法

针对存在参数不确定、外界干扰与测量噪声情况下飞行控制问题,提出一种基于通用扩张状态观测器的鲁棒飞行控制方法。首先基于状态相关的Riccati方程（SDRE）控制方法,对飞行器俯仰通道非线性模型进行扩展线性化;而后引入基于通用扩张状态观测器的控制方法,设计干扰补偿增益,实现对外界干扰的估计与补偿;最后通过在线解算状态相关矩阵及代数黎卡提方程,得出状态反馈增益与干扰补偿增益,实现对飞行器期望攻角的跟踪控制。通过与已有方法进行对比,验证了本文所提方法不仅对系统模型不确定性与外界干扰具有较强鲁棒性,而且在较大测量噪声情况下,其依然能够保证良好的跟踪控制效果,具有较强的工程应用价值。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。