战场态势一致性技术专题讲座(一) 第2讲 互操作作战图族

文章介绍了网络中心战(NCW)、互操作作战图族(FIOP)的基本概念、层次结构以及对应关系。概述了战场态势的构成要素,以及互操作作战图族中三级态势图的主要功能。描述了战区共用作战图的报告层次和建立过程。     

警报关联图：一种网络脆弱性量化评估的新方法

作为一种基于模型的脆弱性分析技术,攻击图能够识别网络中存在的脆弱性和它们之间的相互关系,分析出可能的攻击路径和潜在威胁.论文在攻击图的基础上提出了警报关联图的概念,利用攻击图中蕴含的脆弱性先验知识,将实时IDS警报信息映射到攻击路径,动态反映攻击进程和攻击者意图.在此基础上提出了一种基于警报关联图的网络脆弱性量化评估方法,通过计算警报关联边的权值对网络脆弱性进行动态分析,这种方法结合了静态的网络脆弱性先验知识和动态变化的攻击者意图,能有效反映网络脆弱性在动态攻击情况下的变化.     

航空集群机载网络Failure-Oblivious路由策略

航空集群机载网络作为集群成员间信息交互的纽带,其路由策略性能优劣直接影响信息传输实时性与可靠性,从而制约网络化集群作战效能发挥.考虑到航空集群机载网络具有诸多不确定性,为应对路由失效以及尽可能避免路由更新,从路由选择算法的角度,在软件定义网络架构下提出Failure-Oblivious路由策略.与传统路由策略不同的是,...     

高分一号卫星工程首批影像图发布 将为国土、环境、农业等领域提供精准服务

6月6日,国防科工局对外公布了国家重大科技专项高分辨率对地观测系统的首发星高分一号获取的首批影像图。影像图影像清晰,层次分明,信息丰富。此举表明高分一号卫星工程测试第一阶段工作结束,天地系统间协调匹配,卫星各系统工作正常,达到设计要求,实现为国土、环境、农业等领域提供精准服务的目标。首批对外公布的影像图包括2米全色、8米多光谱、2米全色与8米多光谱融合、16米多光谱四类,北京、上海、银川、     

改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。     

直击中印“反恐联训”

"携手—∞14",是继"携手—2007"、"携手—2008"、"携手—2013"后的第四次中印陆军反恐联合训练。双方参训官兵在短短几天里同吃同住、密切交流,既提高了彼此的战术水平,又增进了相互了解。在此期间,印军官兵过硬的战术素养和优良的战斗作风,给我们留下了深刻的印象。适应习惯差异带来无穷乐趣飞机刚落到印度空军某机场,印     

刀尖上的青春舞步

"任性"这个在网络上很火的词,用在蒋佳冀身上也很贴切。在某海域成功执行飞行任务后,他直接飞出一个横滚,副参谋长问:啥意思?没看懂。蒋佳冀得瑟地说:"高兴呗!"作为一位"80后"的战斗机飞行团长,他不仅帅气,而且阳光、自信、成绩卓著。从一名普通的城市青年成长为一把空中尖刀,除了天赋使然,更重要的是,由战位唤起的那种内心的血性和使命担当。蒋佳冀不仅是一飞冲天的搏击鹰,更是"80后"的感召者,这也许是这个典型的意义所在。     

基于功率键合图的主动油气悬架建模和仿真

考虑了工程中存在的油液可压缩性,基于功率键合图(Power Bond Graph),对主动油气悬架系统的主要环节进行了分析建模,并推导了液压泵的容性场和液阻耦合场模型。通过主动油气悬架系统的键合图对系统元件进行综合,建立了系统的非线性状态方程,并针对油气悬架的被动特性和驱动特性进行了仿真研究,结果表明:建立的非线性状态方程模型能够很好地反映系统动态响应的实际情况和充放油过程中重要的动态耦合特性。     

基于复杂性的战场损伤定位流程评价模型研究

损伤定位流程制定的合理与否是衡量一个评估员水平高低的重要指标之一。对损伤定位流程的评价涉及到所用时间、工具、操作的难度等指标都可以用其复杂性来表示,目前鲜有关于损伤定位流程评价的研究,因此提出战场损伤定位流程的复杂性,并借鉴软件工程领域的程序复杂性量化方法——图熵法对其进行量化。经过数据验证,复杂性与评估时间之间存在较好的拟合关系,并用实例说明了模型的应用效果。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。