军队院校加强和改进文职教员考核工作思考

为从组织实施角度加强和改进军队院校文职教员考核工作，提出军队院校要高度重视文职教员考核工作，正确处理好牵头组织与配合协作、平时观察与定期考核、定性考核与定量考核、监督检查与追责问责四个方面的重要关系，狠抓组织领导，优化考核方式，完善考核机制，严肃考核纪律，确保考核工作取得成效。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

浅析卫星导航系统在役考核指标与方案选择

在役考核是装备试验鉴定的重要环节之一,是对性能试验和作战试验不能解决的问题进行补充鉴定。针对卫星导航系统在役考核过程中考核大纲制定与方案选择的难点问题,通过分析卫星导航系统在联合作战中提供的精准定位、统一授时、辅助精确打击等典型应用场景,归纳出卫星导航系统在役考核需要重视对抗环境、考察关键性能、强调作战效能等特征需求,在此基础上建立了在役考核指标体系,并将灰色关联理论应用到考核方案的选择过程,为卫星导航系统的在役考核提供了一定的参考。     

推进军队院校党的二十大精神“三进入”工作走深走实

<正>积极推进党的二十大精神“三进入”工作,是军队院校当前和未来一段时间内的首要政治任务,是坚持政治建校方针原则的集中体现,是落实新时代军事教育方针的具体举措,事关“培养什么人、怎样培养人、为谁培养人”的根本问题。一、在机制上坚持“联动+互动”,构建齐抓共管、同频共振的育人体系党的二十大精神“三进入”工作是一项多层级共同参与、多平台共同作用的系统工程,既需要有上下同心、齐抓共管、分工明确、各负其责的纵向联动机制,同时也需要多种渠道、多种举措相互融合、相互促进的横向实施机制,以此支撑起该项工作的“四梁八柱”。     

建强用好青年官兵“思想病毒感染”防控体系

近年来,“躺平”“佛系”“丧文化”等热词频出,一些人使用这些词也许出于戏谑调侃,但的确反映出一些青年的消极颓废心态,军营中某些青年官兵也在其中。正如自然界有疫情,青年官兵的思想中也存在病毒感染,典型表现有“仗打不起来,轮不到我”的和平病,“迷信武力代差,胜战信心不足”的恐强病,“一人吃饱,全家不饿”的躺平病,“人人为我,我即世界”的自私病,“娱乐至死,金钱至上”的享乐病,等等。     

全面加强军事治理的重大意义、深刻内涵和实践要求

军事治理泛指对军队建设和发展全部要素进行规划设计、系统部署和资源调配的一切实践活动的总和。党的二十大鲜明提出“全面加强军事治理”的重大命题,意味着我们党对于新时代治军规律的认识达到了新的高度,标志着全面加强军事治理已经上升为党的意志,纳入推进国家治理体系和治理能力现代化的总盘子当中。学习宣传贯彻党的二十大精神,必须准确理解把握全面加强军事治理的重大意义、深刻内涵和实践要求。     

法治思维在党内法规制度体系中的应用与意义

作为党的建设伟大工程的重要内容,党内法规制度体系的完善需要通过法治思维来增强其适应、形成科学体系和衔接法律。具体来说,党内法规制度体系应用宪法思维明确党章的核心地位,应用法律部门思维实现横向板块划分,应用效力位阶思维实现纵向梯度结构,应用德法并治思维实现以刚性和柔性调整方式的并举。以此为基础,必须通过坚持法治思维以实现党内法规制度体系的不断完善。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。