论我国地方国家机关的军事立法权

我国地方国家机关享有国防职权和立法权,有权就国防事务制定地方性军事法规和地方性军事规章。地方国家机关的军事立法权既有法律依据,也有存在的必要性。但地方军事立法的内容是有限的,不应涉及军事行动和军队管理事项。     

分布虚拟战场环境CGF行为调度

提出了一种分布虚拟战场环境中计算机生成兵力(CGF)实体行为调度方法,该方法由仿真结点对结点中运行的所有本地CGF实体及异地实体的远程模型所产生的行为进行集中式调度。通过本地CGF实体的兴趣域动态决定需要执行的异地实体远程模型行为的优先级及执行最后时限,通过将本地所有CGF实体的兴趣域合并,减少仿真结点需要调度的异地实体远程模型数量,进一步降低仿真结点的计算开销。该方法可以有效地确保分布虚拟战场环境对仿真实时性及真实性的要求。     

5G安全及网络监管问题探析

5G作为当今先进的通信技术,其广泛应用将给整个社会生产生活带来全新变革,相关技术和应用的安全问题,事关社会公共安全和军事利益安全,应纳入总体国家安全观视角下重点考量。本文主要梳理5G关键技术可能带来的网络安全风险,以及相关应用可能给网络监管带来的挑战,并从牢牢把控核心知识产权、综合构建安全保障体系、紧跟推进行业法律规范以及着力完善高效应急措施这四方面探讨相关的应对措施。     

融合空间偏好和语义的个体活动识别方法

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。     

美国国防部资助的实验室体系架构

美国国防部管理或委托管理的实验室散布在大学、联邦资助的研发中心和直属科研机构中,是美国国防科技创新体系的一支重要力量。文章从科研经费、人员规模、研究特色等方面对这些实验室进行分类介绍和分析,勾勒出其体系架构,以期对我们布局和建设以国防科技研发为核心任务的实验室、中心等科研机构提供参考。     

基于运输问题的国防动员任务规划模型研究

国防动员任务规划为执行动员保障任务提供明确的方案计划,是高效有序开展国防动员协同保障的重要前提和关键环节,既要综合考虑各类影响因素,又要确保对接结果适时、适量、适地、适度.本文分析了动员任务规划的现实问题,通过梳理实际开展动员任务规划的阶段步骤,明确了动员任务规划模型的研究内涵和边界;在此基础上,建立了国防动员任务规划...     

KD-RTI/DDM中的组播分配策略

组播技术的应用可以有效提高RTI的实现性能。介绍了组播分配的一般理论和实现方案,详细展示了KD RTI中的组播分配策略,讨论了组播应用过程中出现的问题,同时给出了解决方法。     

基于经济绩效的国防工业市场最优集中度研究

以满足企业利润最大化和社会福利最大化双重效率标准的思想为基础,通过拟合我国国防支出需求函数和国防工业企业的成本函数,对我国国防工业市场最优集中度进行了理论研究,得出最优企业数量的一般表达式,并以我国航空工业上市公司为例,对其市场集中度展开了系统性估算。研究结果表明,我国国防工业产业的最优企业数量可以根据相关数据与拟合出的参数得到一个明确的数值,并且我国国防工业产业的最优市场集中度表现为适度集中,而在特殊情况下表现为完全集中。我国航空工业上市公司的最优企业数量为14家时,能够满足企业利润最大化与市场出清的双重标准,市场集中度达到最优。     

美军国防采办政策改革及启示

美军在长期的国防采办实践中,经过不断改革和多次调整,逐步形成了较为完备的国防采办政策制度及管理体系,其有益经验和做法具有开创性和引领作用。尤其是自2018年启动重组国防采办组织管理体制以来,美军在国防战略调整的牵引下,先后发布多份新版采办文件,从政策体系、采办程序、业务领域等方面作出了重大改革调整,初步形成了“1+6+14”的政策体系架构。本文主要对美军国防采办政策的改革举措、背景及动因进行深入分析,总结美军国防采办政策改革的特点规律,试图通过研究美军国防采办改革的动向,探寻信息化条件下国防采办的特点及规律,并结合军队信息化装备采购实际提出思考与建议,以期为深化军队改革提供一定借鉴。     

基于pLSA模型的人体动作识别

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出使用慢特征分析(SFA, slow feature analysis)算法计算兴趣点梯度信息不变量最优解,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。SFA计算的梯度不变量最优解可以表示时空兴趣点固有特征,能够无歧义反映时空兴趣点在空间及时间方向上的信息。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率分别在91.50%和97%以上。