基于混合贝叶斯网络的非协作式敌我识别系统

混合贝叶斯网络就是允许连续节点和离散节点同时存在的贝叶斯网络。将混合贝叶斯网络应用到非协作式敌我识别系统中,建立了敌我识别的混合贝叶斯网络模型,通过混合贝叶斯网络实现多传感器敌我融合识别及识别可信度分析。仿真结果证明了混合贝叶斯网络可以很好地实现非协作式敌我识别系统的功能,并且该方法直观、准确度高,提高了敌我识别的可靠性。     

基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

一种基于知识的港口识别与理解方法

港口识别技术在军事上有着重要的应用前景。采用由上而下的知识驱动策略,充分利用了港口的图像特征,在低层处理中采用自适应平滑技术(Saint-Marc)进行预处理;中层处理提取港口重要对象目标(包括水域、防波堤和港口轮廓),用阈值分割和区域增长相结合的算法提取水域,用结构特征识别防波堤和港口轮廓;最后在高层处理中借用语义树的概念分析港口重要对象间的关系,采用概率松弛法进行港口的目标检测与识别。     

基于概率神经网络的空袭目标识别

针对BP网络的不足,提出基于概率神经网络(PNN)进行空袭目标识别的方法。首先提取空袭目标的速度、高度、机动加速度和雷达反射面积等特征并进行归一化处理,作为输入层数据,然后建立了概率神经网络目标识别模型。M atlab仿真实验表明,该方法识别空袭目标简单快速且准确率高,具有良好应用前景。     

基于空间方向相似性的编队队形识别算法

编队队形识别是反舰导弹智能末制导技术的一个发展方向,是将导弹实际探测到的敌方编队样式与事先存储在导弹上的编队样式进行对比,通过一种匹配算法对其进行一对一的匹配,进而分析编队的性质,进行火力分配决策,达到选择预定目标的目的。由于队形中各舰位置主要用方位来表述,所以可将编队队形看作二维空间中的一个场景,把已知队形作为模板,通过计算与模板的场景相似性实现对队形的识别,为反舰导弹目标识别与火力分配提供决策支持。     

加强网上涉军事件的防范和处置

网上涉军事件,是指涉及军队的人员或事件,在网上被有意或无意地公布,引发特定群体或不特定多数人的关注,利用互联网或表达诉求和主张,或借机发泄不满、制造影响,或追新探秘跟风炒作,由此对军队和社会稳定造成负面影响的各种事件。随着信息社会特别是互联网的快速发展,网上涉军事件的发生率明显增大。     

破解“第二威胁”的威胁——从现代战场上的“自由残杀”说起

现代高技术广泛运用于军事领域,使兵器的杀伤破坏力大大提高。同时,也使战场上“自相残杀”的现象急剧增加。1973年的中东战争,埃及曾取得击落以色列飞机89架的骄人战绩。但在这辉煌战果的背后,却又有着击落69架己方飞机的可悲记录。1991年的海湾战争,美军阵亡146人,其中有35人死于自己人的枪炮之下,占死亡人数的24％:伤员467人,被自伤的达72人,占15％。在刚刚结束的伊拉克战争中,美英联军战场误伤再创新高,误炸造成     

反射波法测试桩基完整性时域曲线的定量分析

利用一维杆件波动理论,同时考虑导致应力波衰减的因素,将应力波衰减系数分为两部分定义：由桩身阻抗变化引起的应力波衰减系数及由桩周土阻尼等因素引起的应力波衰减系数,建立了桩身应力波传播更加合理的数值计算模型。实例分析结果表明,此模型能较好的实现对动测时域曲线的定量分析。     

弹型识别判据2的研究

介绍了在识别中子弹爆炸与小型原子弹爆炸的过程中,对弹型识别判据2——“基于探测距离R和早期核辐射中γ辐射周围吸收剂D*（10）的弹型识别方法”的研究．     

扩大思想政治教育课堂的视野

一、政治教育要从课堂进入官兵的军营群体活动中。军事训练、业务学习和完成各项任务等军营群体活动 ,应作为教育延伸的主要场所。实践证明 ,思想政治教育只有向军事训练、完成各项工作任务的过程和业余活动融合渗透 ,才能真正克服教育与训练、管理“两张皮”的现象 ;只有延伸、渗透到军营群体活动中 ,才能真正运用好群体活动中丰富的教育资源 ,让官兵在参与教育中潜移默化地受教育。实现好课堂教育向军营群体活动的延伸 ,其主要任务是搞好课堂教育的细化、转化工作 ,把正规课堂教育与随机教育结合起来。在具体操作上 ,要注重结合部队建设的…