典型角反射器单/双基地RCS特性对比分析

角反射器在舰船目标防御中发挥重要作用，如何有效对抗角反射器干扰是当前的研究难题。以典型八面体角反射器为研究对象，通过电磁计算和暗室测量对比分析了单个角反射器、角反射器阵列单/双基地RCS(radar cross section)空域、极化域分布特性以及统计特性，揭示了双基地雷达与角反射器之间的几何关系对角反射器RCS的影响规律，结果表明在大范围双基地角条件下,八面体角反射器双基地RCS远小于单基地RCS，均值相差约30 dB。适当部署双基地雷达可有效降低角反射器干扰影响，对双基地雷达抗角反射器干扰有参考意义。     

l阶链式积分器型多智能体实现平均一致的时延相关LMI判据

针对l阶链式积分器型多智能体平均一致性问题,给出联合连通拓扑条件下LMI表示的时延相关稳定判据.利用状态分解思想,将收敛条件转化为判断不一致系统零平衡点的稳定性;考虑存在多个时变通信时延的情况,采用构造公共的Lyapunov-Krasovskii泛函的方式来分析系统稳定性,为获得较低保守性判据,在主要结论中引入了自由权...     

任务牵引 规范组织 扎实抓好国防动员潜力调查统计

为扎实推进大规模作战国防动员准备,全面准确掌握广西国防动员潜力数量质量现状,近期我们按照《国防动员法》和《国防动员潜力调查统计规定》的要求,坚持"政府主导、依法实     

信息推荐系统中的朋友关系预测算法设计

伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。     

军工企业专利全寿命期管理的探索与实践

专利全寿命期管理办法不仅可以提高专利申请质量及其转化应用能力,更能借此获得资料和丰富的统计信息,为军工企业单位的战略规划和决策提供有力保障     

基于多信道优先级统计的战术数据链MAC协议

为了满足对移动目标实现精确打击而提出的对时敏信息可靠传输的要求,提出一种基于多信道优先级统计的MAC协议(MCPS-MAC)。MCPS-MAC协议将不同优先级业务发送的门限阈值与反应信道忙闲状态的信道占用统计值作为判定数据包是否能够发送的条件,从而极大减少信道冲突,降低数据发送的时延,有效缓和了网络的流量激增导致网络超载的问题,并且保证通信网络中优先级较高的数据包仍然能够成功地发送。仿真结果表明,随着网络节点增多和业务量的增大,Link-16数据链延时急剧增大,导致严重的丢包率,而与之相比较,MCPS-MAC协议的端到端延时恒定在3 ms～4 ms内,能够满足高业务量网络的要求,并保障数据包一次发送的成功率不低于95%。     

2014年巴西世界杯赛程

“记”和“计”读音相同,但含义有区别,因此在词语中不能混淆使用。例如“登记”、“统计”中的“记”和“计”不能互相替换。登记是指把有关事项写在特备的表册上以备查考,例如户口登记、登记图书等,“记”表达记录的意思。     

基于智能集成架构的时间序列数据挖掘算法研究

针对单一算法在处理复杂时间序列数据时存在缺陷以致无法挖掘全部信息的问题,提出了智能集成架构,给出了4种集成结构,并分析了它们的适用情况。针对一类随机噪声干扰的时间序列数据,采用并联嵌套建模结构,提出嵌套双种群粒子群算法的自回归滑动平均(ARMA)模型,用于挖掘数据中的随机性趋势;提出基于概率密度控制(PDF)的最小二乘支持向量机(LSSVM),用于挖掘数据中的确定性趋势,两种模型并联补集成实现对数据信息的充分挖掘。通过一组实验验证了所提方法的效果。     

改进的强跟踪容积卡尔曼滤波的机动目标跟踪北大核心

机动目标的跟踪在实际中有着广泛的应用,其核心问题是机动建模和滤波算法。采用当前统计模型和容积卡尔曼滤波对机动目标进行跟踪。针对容积卡尔曼滤波在目标突发机动时跟踪性能较差的问题,借鉴强跟踪滤波思想,将渐消因子引入滤波过程,提出了一种改进的强跟踪容积卡尔曼滤波算法,该算法实现简单,估计精度高,鲁棒性强。仿真结果表明,该算法有效增强了系统对目标突发机动的自适应跟踪能力,并保持了对弱机动和非机动目标良好的跟踪性能,且运算速度较快。     

基于软聚类的模糊类语言模型

基于类的语言模型被认为是解决数据稀疏的有效方法。众所周知,自然语言中存在着大量一词多义、一词多性的现象,这在传统基于硬聚类的词类划分下无法表达。而基于软聚类的类语言模型采用大数定律,依然没有摆脱在最终计算时一词一类的思维模式。为解决此类问题,基于词的软聚类,结合模糊数学,提出了词的隶属度,以及基于隶属度的模糊类语言模型。该模型提高了传统类语言模型对训练语料中历史信息的利用率,较基于词的语言模型能给未出现词对提供更多的类内参考数据。设计了一个小语料集的实验,结果表明在数据稀疏条件下,较传统的类语言模型有更好的效果。