正确认识当前军队政治工作面临的阶段性特征

当前军队政治工作面临的阶段性特征是:高举旗帜已成为全军的共同意志,但党的创新理论武装仍是一项长期艰巨的战略任务;思想政治建设坚强有力,但意识形态领域争夺人心的斗争更为尖锐复杂;军事斗争政治工作准备扎实推进,但与遂行多样化军事任务要求仍存有一定差距;科学发展观的指导方针牢固确立,但制约发展的思想观念和症结问题依然存在;新生代官兵构成军队建设主体,但其思想和行为的独立性、选择性、差异性明显增强;政治工作法制化规范化建设日趋完善,但影响发展的政策机制性障碍依然存在;我军军事文化建设取得长足进步,但"两大环境"衍生的负面影响不可低估。     

公共电磁环境与无线电引信技术发展

公共电磁环境复杂性,对无线电引信产生不良影响。本文通过对公共电磁环境特征分析,探讨了无线电引信抗干扰问题,提出了适应公共电磁环境的无线电引信发展对策与建议。     

PD反馈特征结构配置在最优控制问题中的应用

考虑了二阶线性系统的比例微分(PD)反馈特征结构配置问题以及其在最优控制问题中的应用。基于比例微分特征结构配置参数化方法,将二阶线性系统的最优控制问题转化为一个便于求解的有约束条件的极小值问题,并给出了相应的求解算法。三自由度质量弹簧阻尼系统算例及其仿真结果表明所提算法简单、有效。     

黄铜脱锌腐蚀的特征及防止措施

黄铜在机械设备制造中应用广泛,但黄铜在使用中存在脱锌腐蚀现象,弄清楚脱锌腐蚀的机理,找到防止脱锌腐蚀的措施对延长设备使用寿命具有重要意义。阐述了黄铜脱锌腐蚀的特征和影响因素,着重论述了黄铜脱锌的腐蚀机理。研究发现,在黄铜合金中加入砷、硼、稀土等元素或采用缓蚀剂可防止黄铜的脱锌腐蚀。     

基于Fisher线性判别模型的文本特征选择算法

在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用.本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算.实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势.     

DNA片段拼接中基于定长特征子串的重复序列信息屏蔽方法

包含重复序列(repeats)的DNA序列的重构是大规模DNA片段拼接所面临的实际困难之一。在考虑片段数据所隐含的位置信息的基础上,提出了一种基于定长特征子串的屏蔽片段数据中重复序列信息的方法,即在进行序列相互比对前利用独特子串标识大多数片段,从而减少可能的错误重叠,讨论了方法中几个参数的确定问题并用计算结果说明了方法的有效性。     

基于直线特征的车载电子稳像方法

电子稳像技术的研究重点是稳像算法,介绍了电子稳像的基本概念和原理以及常用的稳像算法,并根据坦克装甲车辆的实际情况,给出了车载电子稳像实验系统的基本构架及理论方法.选用块匹配法和直线特征法作为车载电子稳像算法,选用轨迹平均法作为图像序列的平滑方法,最后介绍了稳像效果的几种评价准则,并对车载电子稳像技术研究提出了几点设想.     

我军人才建设的实践路径

<正>人才兴则国兴军兴,人才强则国强军强。我党我军历来重视人才建设,在长期革命、建设、改革伟大实践中,不断坚定发展方向、突出发展地位、创新发展方式、优化发展生态,探索出一条我军特色的人才建设道路。这一实践路径,深刻反映了我军人才建设的鲜明特征、内在规律和宝贵经验,集中体现了我党我军人才建设的重要思想、立场观点和科学方法,为奋进人才强军新征程提供了丰厚理论滋养和强大实践动力。一、坚持党管人才原则,把牢人才建设正确方向我军自诞生起,     

做好大学生新兵教育管理工作的调查思考

<正>随着"一年两征"的实施,大学生征集规模进一步扩大,在新兵中的占比越来越高。如何正确认识和看待大学生新兵的思想行为特征,帮助他们发挥优势、克服不足,走稳走好"兵之初",是当前部队亟须关注的一个重点问题。一、大学生新兵特征明显一是个性张扬、思想前卫。大学生新兵是"握着鼠标成长、敲着键盘说话、塞着耳机漫步"的一代,他们崇尚个性、追求时尚、观念超前,认识问题角度、处理问题方式、遵守纪律觉悟等都与部队条令条例和规章制度有很多抵触的地方。有的新训干部讲:"大学生新兵民主意识很强,过去那种‘我是干部你是兵、我说什么都得听’的年代已经一去不复返了。"     

基于改进YOLOv3模型的侧扫声纳沉船目标检测

针对使用Faster R-CNN模型进行侧扫声纳图像沉船目标检测存在耗时长、效率低以及小目标漏警率高等问题,引入YOLOv3模型并结合侧扫声纳沉船图像数据集特点对模型进行了改进。首先,进行浅层特征融合的多尺度训练,从而增加沉船目标浅层特征在检测中所占比重;然后,使用K-means聚类算法重新设置先验框参数及大小,提高小目标检测精度;最后,采用二分类交叉熵函数改进YOLOv3算法中的损失函数,提高模型的收敛速度和泛化能力。实验结果表明：相比Faster R-CNN模型和传统YOLOv3模型,改进YOLOv3模型的AP值达到89.18%,分别提高了1.46%和0.57%;调和平均值F1达到89.08%,分别提高了2.33%和1.04%;检测图片耗时时间为Faster R-CNN模型的3/50,极大地提高了检测效率。该研究结果验证了改进的YOLOv3模型具有更高的检测精度和效率,对海底沉船搜救具有一定的实际指导意义。