基于三维科研态势演化图谱的国防科技发展评估

当前随着信息技术的深入发展,大数据时代已经悄然而至。大数据为国防科技发展带来了重大机遇的同时,其所带来"数据眩晕"和"数据冗余"效应不容忽视。面对大数据对国防科技发展所带来的巨大挑战,准确、快速、实时地把握和预测科研发展态势,已经成为科研工作者和科研管理高层决策者的迫切需要。在对传统科学知识图谱深入研究的基础上,本文提出一种基于网络和单词分布式嵌入的三维态势演化图谱模型,模型充分利用了文献中的结构信息和语义信息,并对结果进行可视化展示,实验表明,该方法对于掌握国防科技发展动向,挖掘技术前沿,把握技术机会,促进国防科技发展具有较大的参考价值。     

基于级联失效的节点重要度评估及网络脆弱性分析*

本文提出了一种基于节点状态演化级联失效模型的节点重要度评估和网络脆弱性分析方法。故障传递演化的内在机理是基础复杂网络变得脆弱的根源,论文首先在负载网络级联失效模型的基础上,提出了一种能够实时跟踪节点负载状态,继而根据节点状态来重分配节点负载的重分配模型,其次提出了基于节点状态演化的节点重要性评估和网络结构脆弱性分析方法,通过脆弱性分析结果找出网络的健壮性参数,并对此节点重要性评估方法进行失效效果分析。最后,通过仿真实验验证方法的有效性。     

中国近现代心理战历史沿革研究

信息技术的飞速发展和广泛运用为心理战的实施开辟了新的更加广阔的空间。当前,拓展深化军事斗争准备和完成多样化军事任务对军队心理战建设提出了新的任务和要求。研究中国近现代心理战的历史沿革发展,特别是辛亥革命时期、土地革命时期、抗日战争时期、解放战争时期、抗美援朝时期中心理战的演变过程,总结经验教训,对于提高信息时代军队心理作战能力有重要启示作用。     

多样化军事任务舆情演化及引导的仿真

针对海军遂行多样化军事任务所面临的日益复杂的社会舆论环境,采用基于Agent的建模理论与方法,建立了舆情演化过程的模型,并对其进行了仿真和分析。首先,提出了个体间观点交互的规则,建立了个体观点交互的舆情演化模型。其次,基于所建模型对不同条件下的舆情演化及引导进行了仿真实验与分析。仿真结果表明,模型的统计结果与实际舆情演化情况相符,具有较强的实际性。     

多样化军事任务舆情演化及引导的仿真研究

针对我海军遂行多样化军事任务所面临的日益复杂的社会舆论环境,采用基于Agent的建模理论与方法,建立了舆情演化过程的模型,并对其进行了仿真和分析。首先,提出了个体间观点交互的规则,建立了个体观点交互的舆情演化模型。其次,基于所建模型对不同条件下的舆情演化及引导进行了仿真实验与分析。仿真结果表明,模型的统计结果与实际舆情演化情况相符,具有较强的实际意义。     

一种新闻事件演化建模方法

为了准确地发现话题中事件间的潜在关系,提出一种新闻事件演化建模方法。该方法利用事件的时间关系、内容相似性、命名实体关联信息构建新的演化关系模型,并通过定义事件的五种演化模式,识别出演化过程中的开始、中间、结束事件,最后根据新演化模型及演化模式建立事件演化的有向无环图模型,揭示事件发展的潜在脉络结构。实验结果表明,本文方法能够有效检测事件演化,提升系统性能。     

一种改进的变异粒子群算法研究

粒子群优化算法PSO(Partic le Swarm Optim ization)是一类性能优越的寻优算法。但由于早熟问题,影响了算法性能的发挥。针对这一问题,引入粒子距离的概念,提出一种新的PSO改进方法(称为NA-PSO)。通过求解组网雷达的系统偏差,表明了NA-PSO算法的可行性,与对比方法相比较,能有效配准,且具有更好的收敛精度和更快的进化速度。     

关注民生 改善民生——中国共产党一以贯之的执政价值取向

民生问题是人类社会发展的基本问题,在科学社会主义理论体系中具有终极性价值意义。中国共产党自成立以来一直高度关注民生并致力于积极改善民生的各项工作,在此过程中形成了具有中国特色的社会主义民生思想,丰富了中国特色社会主义理论体系,为进一步推进我国民生改善的进程指明了方向。     

装备保障训练变革的范式理论研究

将科学范式的思想引入装备保障训练变革研究中,提出了装备保障训练范式的概念,分析了信息化条件下装备保障训练范式的主要特征,基于自组织进化理论设计了装备保障训练范式的变革路径．研究成果为开展信息化条件下装备保障训练变革理论研究和实践提供了方法指导．     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。