熟悉网络——思想工作的基本功

随着网络功能的日益强大和网民的不断增加,网络语言的社会影响力也越来越大,成为一种新的社会文化现象。在这一新的历史背景下,我军思想政治工作者应该尽快熟悉网络,只有这样,才能更有效地做好官兵的思想政治工作。熟悉网络语言才能有效架起通往青年官兵心路的桥梁。2009年9月21日,斑竹、闪客、网虫     

基于对偶四元数的单目视觉/惯性组合导航算法

提出一种适用于结构化道路的单目视觉/惯性组合导航定位算法.针对点特征匹配和连续多帧追踪受车速和相机视野制约的不足,提取道路上车道线的直线特征,引入对偶四元数描述直线特征.在基于对偶四元数的相对位姿估计算法的基础上,推导了图像特征增量与相机位姿增量的表达式.通过配准和时间同步,用惯导系统和相机分别解算的载体速度之差作为组合导航的观测量,建立kalman滤波修正组合导航系统的误差,包括相机测速标度因数误差.车载实验结果表明在结构化道路上算法是有效的.     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

元任务插入的多星成像侦察任务聚类启发式算法

在多颗卫星协同执行侦察任务时,多星成像侦察任务聚类能够提高多颗卫星的整体侦察效率。根据卫星成像侦察元任务之间的聚类关系及约束条件,建立了数学规划模型,并提出了模型求解的基于元任务插入的启发式聚类算法,最后结合实例验证了算法的有效性。     

海上城市现身世博园

人类来自海洋,必将回归海洋。想象中的诺亚方舟承载着人类生存的最后希望。随着人类的发展进步,诺亚方舟可能真的向我们走来,搭建起一座座“海上城市”,开辟人类生活的崭新空间。     

四元数的实矩阵表示

四元数代数在计算机图形学、现代物理学、卫星的姿态表示等领域中都扮演着重要角色,从数学角度对四元数进行彻底研究是有价值的,但是,由于不可交换性,四元数并不像人们期望的那样易于掌握。处理四元数的方法之一是把它们等同为实数矩阵,其中各位置上的元素当然是可交换的。这样的"等同"实际上是从四元数代数到Rn×n的代数嵌入。研究了从四元数代数到Rn×n的代数嵌入问题,给出了把虚单位映成带符号置换矩阵条件下的所有可能的代数嵌入。我们用的方法是去考虑四元数代数生成元(即虚单位)的象。我们考察这些象的性质并确定有哪些实数矩阵满足它们。然后,我们运用群作用的语言化简了问题。我们得到的结论是有趣的:决定着嵌入的那些关键性的矩阵对是由的实数矩阵对构成的。而这样的矩阵对本质上只有两对。     

结合峰值检测的高噪声图像快速聚类分割方法

针对高噪声污染图像,提出一种结合峰值检测算法的快速聚类分割方法(FC-ImSeg)。根据平行线投影分割算法将二维直方图映射到一维空间,利用峰值检测算法检测图像像素点的聚类结果,调整映射模型的平行线宽度,使直方图符合双峰分布特性,最后利用加权模糊c均值聚类算法实现图像的分割。实验结果证明了该方法是快速有效的。     

基于灰色理论的空天一体武器装备综合评价模型

针对空天一体武器装备体系这样的复杂系统,提出了以灰色理论为基础的灰色模糊综合评价方案。首先对主要影响因素进行分析,建立层次化的综合评价指标体系;然后通过专家打分法对定性评价指标进行量化,在此基础上,利用灰色关联分析法和灰色统计法,确定评价指标的权重,建立评价矩阵;最后采用模糊综合评价法,实现了对空天一体武器装备发展情况的综合评价。     

基于LEACH协议的研究与改进

无线传感器网络中如何节能是一个关键问题。对经典的LEACH协议做研究与改进,并提出了一种新型的动态网络转换机制。该算法通过综合考虑候选节点的地理位置、剩余能量等参数来进行网络协议的选择,从而有效地降低了低能量与位置不佳的节点被选为簇首的可能性,进一步保证网络内节点能量负载的均衡性。仿真结果表明,新型的动态网络协议机制能够有效平衡节点的能量消耗分布,延长节点与网络的寿命。     

一种新的支持向量机决策树设计算法

支持向量机决策树的精度和速度取决于树结构。为了获得好的泛化性能,应由可分性强的类为树的上层结点定义分类子任务。提出了一种新的支持向量机决策树设计算法。决策树中每个结点的分类子任务定义规则如下:采用模糊核C-均值将当前训练集粗分为两个子集,然后基于隶属度从各个子集中选择可分性强的子类定义当前结点的分类子任务,并将可分性弱的子类移至下层结点。实验结果表明,该方法的精度和速度都优于其他传统的多类分类方法。