新媒体观看全国两会 网民参政议政常态化

<正>运用新媒体技术,可以广泛吸纳社会群众对做好政府工作报告的意见和建议,从中遴选求真务实的合理性、科学性的建议,做出更加反映社会多数群众所期望的重大问题应对和解答,增强政府工作报告针对性,提高政府公共治理的公信力。今年,全国两会召开期间,各大新闻媒体纷纷对会议开幕式、分组讨论、报告内容等进行现场网络直播和视频解读,几乎涉及了新常态、反腐倡廉、养老改革、依法治国、全面建成小康社会、"一带一路"等多个话题,其中"法治"成为中国百姓聆听报告的一个热频词,在今年全国两会上特别值得关注。     

基于时空序贯融合的TBM拦截效果评估

基于时空信息进行了TBM拦截效果评估的研究。首先分析了拦截效果评估信息的特征,建立了TBM拦截效果评估流程;在此基础上提出了基于"空间特征级-时间决策级"思想的序贯融合评估模型;融合评估算法中,空间域选取模糊神经网络进行特征级融合,时间域选取D-S证据理论完成决策级融合,空间特征级融合模糊神经网络的各层映射函数分别由模糊隶属函数和采用贝叶斯网络的方法来获取;最后通过实验仿真了评估流程,验证了融合评估模型及融合算法的有效性。     

基于MPEG标准的多媒体网络传输效果分析与仿真

使用my Evalvid-NT仿真软件,选取封包延迟、画面延迟、封包抖动率和画面抖动率4个指标对多媒体网络的视频传输效果进行仿真。经过仿真计算后得到的可解画面比例与理论值非常接近。     

基于边界扫描技术的装备电路可测性设计

随着装备中基于复杂数字电路的嵌入式系统应用越来越广泛,装备中电路系统的可测性设计(DFT)已成为装备可测试性设计的重要内容。IEEE 1149.1作为一种标准化的电路可测性设计方法,弥补了传统电路测试方法存在的缺陷,为复杂的互连电路提供了一种非入侵的测试手段。首先简述了可测试性设计和边界扫描测试技术的基本原理,并从边界扫描测试链设计、提高测试覆盖率和优化电路网络几个方面,分别提出了几种装备电子系统的电路可测试性设计的具体方法。     

对推进网络政治工作创新发展的几点思考

在信息网络时代,我军政治工作生命线因网络而获得生机,也因网络而面临挑战,过不了“网络关”,就过不了时代关.创新网络政治工作,必须在理论拓展、手段更新、机制完善等方面下功夫,见成效.     

基于复杂网络理论的舰船电力网络脆弱性分析

从舰船电力网络拓扑结构及设备布置特性的角度出发,对舰船电力系统的脆弱性进行量化评估能为电力系统的优化设计提供理论指导。基于复杂网络理论,从舰船电力系统本身的拓扑结构对其脆弱性进行了研究。首先,用邻接矩阵将某一环形电力网络表示出来,并计算其特征参数,从度数指标和介数指标可以看出主配电板节点是电网中的重要节点;然后,对该环形舰船电力网络进行了故障模拟,结果表明:电网元件故障对整个电力网络造成的影响由最大连通子图规模来衡量,该指标值越小表明此元件故障对网络的影响越大,同时这一指标比介数指标更好地揭示了舰船电力网络的脆弱环节。     

局部信息下的装备维修保障力量网络演化模型

针对现实中仅已知装备维修保障力量系统部分信息的状况,借鉴复杂网络思想,在对装备维修保障力量活动进行网络化抽象的基础上,提出了一种局部信息下的装备维修保障力量网络演化模型。同时,以一种参数可以灵活设置的动态演化模型代替真实的装备维修保障力量作为仿真对象进行研究分析,探讨了3种不同选择概率下随仿真时间变化的各项网络指标,这些指标值验证了装备维修保障力量网络的无标度特征以及小世界特征。     

美军作战人员信息网(WIN-T)探析

基于网络中心战理念,美国陆军提出建设作战人员信息网(WIN-T)。WIN-T是美军全球信息栅格(GIG)陆军部分的延伸,是美军陆战网的关键组成部分,可为战场上的分散部队提供大容量和高机动性通信。文章概述了WIN-T的研发动因,分析了四个任务"增量"的网络结构与主要功能,总结了其主要特点。     

网络科学在外军指挥控制领域应用研究综述

现代指挥控制系统互联构成了复杂巨网络,致使指挥控制领域内的组织设计、结构分析以及特征描述等问题变得抽象且难于理解。网络科学为分析、描述与解释指挥控制领域内的相关问题提供了有效的理论、方法与技术,在外军指挥控制网络的组织机制、相关特性及其建模方面取得了一定的理论和实践成果,提出为加强网络科学在国内指挥控制领域的应用应设立相应的研究机构、开展前沿研究、重视仿真试验。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。