多粒度直觉模糊三支决策及在目标识别中应用

针对直觉模糊三支决策模型在反映问题时存在不完全性以及统计特性单一的缺陷,将粒计算中多粒度空间描述问题的思想与直觉模糊三支决策模型的思想相结合,提出了多粒度直觉模糊三支决策模型。因不同粒空间呈现统计特性不同,给出具有一般性的乐观和悲观多粒度直觉模糊三支决策模型的定义。根据正域及负域不变的原则定义了多粒度直觉模糊三支决策模型的属性约简。基于Bayes最小风险理论对多粒度直觉模糊三支决策模型中的参数进行确定。将乐观多粒度直觉模糊三支决策模型应用于弹道导弹目标识别问题中。     

基于Hu矩的无人直升机着舰标志识别方法

针对无人直升机自主着舰中准确识别着舰标志的需要,提出了一种基于Hu矩的无人直升机着舰标志分块匹配识别方法。分析了无人直升机自主着舰中的着舰标志识别问题,给出了基于分块匹配的着舰标志识别处理流程;在此基础上,实现了对视觉图像在不同场景下的预处理;最后,在不同场景下对所提方法的有效性与可行性进行了实验验证,结果表明,应用该方法能够较好地实现对着舰标志的识别,具有一定的军事应用价值。     

基于EEMD降噪和模糊函数奇异值向量的雷达辐射源信号识别算法

针对目前基于模糊函数提取的几何学特征,在低信噪比时表征能力弱,导致识别准确率不高的问题,提出了一种基于EEMD降噪和模糊函数奇异值向量的识别方法.选取合适的EEMD参数,对时域信号进行降噪,提取模糊函数矩阵奇异值向量,求解其交叉熵作为特征,实现雷达辐射源信号识别.仿真实验表明,信噪比大于-5 dB时,所提方法对于BPS...     

粘结剂复合方式对硼粉热性能的影响研究

为了研究含能粘结剂硝化纤维素与微米硼粉的不同复合方式对硼粉热氧化性能的影响,采用热重分析测试手段分析了不同复合方式(简单机械复合、浇膜复合、团聚造粒改性)对1μm硼粉热性能的影响,建立了3种改性后硼粉的燃烧模型,研究了含能粘结剂硝化纤维素含量对其热氧化性能的影响。结果表明：团聚造粒改性对其氧化性能改善最佳;简单机械复合、浇膜复合和团聚造粒改性分别使硼粉氧化温度提前了0.1、29.4、112.3℃;简单机械复合与团聚造粒改性使硼粉最终氧化率分别提高了3.4%和13.8%,而浇膜复合无较大改善作用;随着硝化纤维素含量的增加,硼粉的氧化性能增强。     

积极稳妥推进政治体制改革探析

党的十七届五中全会提出：＂改革是加快转变经济发展方式的强大动力,必须以更大决心和勇气全面推进各领域改革。＂＂大力推进经济体制改革,积极稳妥推进政治体制改革包含的丰富辩证法,为我们正确理解和把握推进政治体制改革的一系列重大理论实践问题指明了正确方向。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以"高检测精度,低网络规模"为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.     

信息时代指挥控制方式综述

历代战争中,指挥控制(C2)都是重要的赋能手段。信息化战争时代,未来战场对C2方式提出了新的挑战。通过分析信息时代网络赋能指挥控制的特点,对C2功能和方式空间进行了研究,定义了信息时代5种C2方式原型,并对各方式原型目标和要求进行了详细辨析,分析了其成熟度水平和成熟度迁移模型,最后讨论了未来战场对C2的挑战。对于帮助作战人员分析当前C2领域存在的问题,明确当前和未来需要的指挥控制能力,提升各级指挥员指挥控制、近实时管理复杂动态不确定作战使命的能力,具有一定参考价值。     

武器装备系统数字孪生技术

介绍了数字孪生技术的起源及概念,分析了数字孪生系统与平行系统/仿真推演系统等区别,针对数字孪生在武器装备系统中的应用,进行了技术框架和应用框架设计,并提出了武器装备系统数字孪生在装备感知、模型构建、系统集成、评估预测、交互控制五大领域的关键技术,给出了武器装备系统数字孪生发展在理论及实践方面的启示,以期对武器装备系统中数字孪生技术的应用提供技术支撑。     

基于DEM数据和遗传算法的对海雷达部署优化研究

针对当前雷达组网部署优化问题缺少对海探测研究,以及基于实际地形数据的遗传算法(GA)求解复杂度高的问题,开展了基于数字高程模型(DEM)数据和遗传算法的对海探测部署优化研究。基于预先阵地和对海探测雷达威力模型,所提的算法可有效减少遗传算法寻优空间,极大提高优化求解速度。仿真表明,该算法可获得和遍历法近似的最优结果,随着部署规模的增大,具有明显的速度优势。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。