后勤保障指挥决策系统结构设计研究

军队后勤保障指挥决策系统是高技术局部战争后勤保障的中枢,科学合理构 建系统的结构是提高决策系统质量的关键,针对该系统大范围多领域的分布式特征,引入了 化学抽象机对系统结构进行形式化、规范化描述,可以清楚的反映系统的静态和动态特征, 对后勤"可视化"研究具有一定的指导意义。     

基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

Escalation and de-escalation of violence in insurgencies: Insights from Northeast India

Insurgencies in the Northeast of India have been a recurring phenomenon since India's independence in 1947. One of the most significant aspects of the multiple insurgencies has been the use of violence for political goals. By drawing upon three cases of insurgencies in Northeast India, the article offers a conceptual framework on escalation and de-escalation of violence in insurgencies. The article argues that the most critical variables which have a direct bearing on the levels of insurgent violence are: popular support, loss of legitimacy and the state's counter-response.     

通用装备保障训练集约化建设模式研究

着眼于提高通用装备保障训练的集约化水平,为信息化条件下体系作战通用装备保障能力生成提供支持,将平台的方法引入通用装备保障训练中,提出了通用装备保障专业综合训练平台的思想,建立了一个4层结构的通用装备保障基地化训练体系框架,并以某装备院校为例构设了一个通用装备（军械）保障专业综合训练平台框架．研究成果为实现通用装备保障训练资源的集约化整合探索了新的途径．     

基于复杂网络的装备保障力量体系构建研究

论文首先阐述了复杂网络的内涵及其特征参量,以此为基础,对装备保障力量体系进行规范化描述,提出了装备保障力量体系的构建算法,并进行了实例验证及灵敏度分析,对于信息化条件下装备保障力量体系转型建设具有一定的参考价值和指导意义．     

新形势下师范类本科生就业能力现状及提升策略

随着高校毕业生的持续增加和我国事业单位人事制度的改革深化,近几年师范类大学生的就业问题Et益突出。在激烈的职场竞争中,就业能力的高低成为影响师范生就业的关键因素。本文通过问卷调查法,分析了师范类本科生就业能力的现状及存在的主要问题,从师范生培养模式、师范生就业观念、教育实习等方面分析影响师范生就业能力的因素。基于实证数据,建议从优化课程设置,制定大学生活规划,完善就业指导体系等几方面提升师范类本科生的就业能力。     

英语教学应重视语言文化知识

语言与文化有着密切的关系。在英语教学中,文化教学的重要性不容忽视,因此,把传授文化知识融入英语教学之中,积极创设英语学习情境,提高学生对不同文化之间语言交际的理解,培养学生运用准确、流畅和得体的英语语言进行交际是十分必要的。     

对加强党的执政能力建设的几点思考

长期执政、市场经济、全面开放,是我党所处的历史方位,它决定了加强党的执政能力建设的极端重要性。面对执政条件和社会环境的深刻变化,加强党的执政能力建设,提高党的领导水平和执政水平,已经成为一项带有全局性、根本性的重大历史课题,成为当前领导科学必须侧重研究的问题。     

基于保障时间窗的油料调拨运输模型

通过引入保障时间窗,同时考虑油料保障的时间约束和运力约束,建立了基于保障开始时间最早,并尽可能满足保障需求量的调度模型。针对问题的多目标性,基于理想点法将初始模型转化为单目标优化模型。采用粒子群算法对模型进行求解,并设计了算法编码和求解步骤。通过算例验证了模型和算法的可行性及有效性。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。