BACKGROUND KNOWLEDGE AND SECONDARY KNOWLEDGE BASES IN LEARNINGS YSTEMS

讨论了背景知识和领域理论在学习过程中的作用，强调了学习系统中背景知识的重要性。文中介绍了一个以领域理论为主知识库、以背景知识为二级知识库的基于解释的学习系统，说明基于解释的学习系统如何利用背景知识克服不完全的领域理论带来的问题，使其能通过纯演绎的方法实现知识级的学习。最后，本文还简单讨论了学习系统中背景知识的获取方法。     

飞机上的除夕夜

有些人,他们的除夕夜仍然和飞机相关。他们或者旅行,或者工作,总之春节和家庭的关系在他们只剩下一份牵挂。飞起来的状态,和牵挂着的心情,在他们也会是一份别样的年味。除夕夜,都听惯了各种吉祥话和炮竹,这一次我们不如围着飞机说点贴心话,然后静下心来回味一下大家关于家的各种心事。无论飞或不飞,围着飞机转了一年又一年的我们,在热闹中独守一份清淡的心情其实也可能汇聚成另一种浓郁的年味。     

低背景红外辐射源校准技术

介绍了以低温绝对辐射计(Absolute Cryogenic Radiometer)作为标准探测器的低背景红外辐射源校准技术的原理、设备、关键技术以及校准结果不确定性的分析方法,同时阐述了该技术的先进性和重要性。     

舰船及其海面背景SAR成像模拟研究综述

舰船及其海面背景SAR成像模拟是发展海洋遥感的重要途径。针对舰船及其海面背景不同于陆地目标的特性,从SAR成像模拟的方法及优缺点出发,对其研究现状进行了综述。介绍了舰船隐身的主要技术途径,并对今后进一步的研究方向进行展望。     

一种基于全变分理论的红外背景杂波抑制算法

针对复杂背景下的小目标检测问题,提出基于全变分理论的单帧红外图像空域背景杂波抑制算法.分析红外图像背景抑制的最大后验概率模型,引入全变分的概念作为背景图像的先验信息,描述估计背景的平滑度约束,从而转化为泛函极值问题进行求解.估计背景在满足对观测图像数据依赖的同时,能够保留背景图像的边缘信息,有效降低复杂背景灰度值起伏较大处的虚警.通过仿真实验验证了算法的可行性和有效性,分析结果表明其背景抑制性能较传统算法有较大提高,算法架构适用于大数据图像并行处理的工程实现.     

某型飞机座舱模拟训练系统的设计与实现

为解决军械飞机维护人员实习中存在的成本高,效率低,有一定的危险性等突出问题,设计了某型飞机仿真训练系统,重点讨论了系统硬件组成、声音仿真和设备的模拟显示,声音仿真采用了DirectSound声音控制技术,显示设备采用了图像控制技术,给出了部分VC++程序原代码。该模拟训练系统不仅制作成本低,而且辅助训练手段多,训练效率高。     

基于偏振信息融合的背景抑制方法评价

与红外强度图像相比,单一的偏振度或偏振角图像在提升图像信杂比方面并无明显优势。为综合利用偏振图像的多维信息进一步提升图像信杂比,在分析典型背景下目标偏振度与偏振角联合分布特性的基础上,以偏振度作为偏振角信息的权值参考,提出了一种基于偏振信息融合的红外图像背景抑制方法,并将其应用于复杂云层或海面背景下的红外目标检测,给出了相应的算法流程。实验结果表明:与红外强度图像相比,所提出的基于偏振信息融合的背景抑制方法能大幅提升图像信杂比。该方法简单有效,易于实现,可应用于基于红外偏振成像的目标探测或精确制导领域。     

基于BOS的过膨胀喷管出口密度测量

背景导向纹影(BOS)因其测试方法简单、测试区域宽、对流场无影响等特点,在超声速流场密度场的测量中有很好的应用前景。根据相关原理,搭建了BOS测试平台并对设计出口Ma=1.9处于严重过膨胀下的喷管出口密度场进行了测量。对实验获得的图像进行处理,获得了喷管出口区域内完整的定量密度场。运用计算流体力学对相同实验状态下喷管出口流场进行了精细的数值模拟。将其与实验结果进行了对比分析,发现实验结果与数值模拟所得的波系结构及激波强度都能够很好地吻合,特别在射流边界外的密度误差在1%以内。这证明了BOS技术能够在有复杂波系的超声速流场密度场测量中获得良好的结果,为超声速流场密度从传统的定性测量转变到定量测量提供了可靠的测试方法。     

背景风场维持的中尺度受导重力波

提出了由上层大气背景风场所维持形成的中尺度重力波受导传播机制,通过一种新的全波解数值方法计算了这种受导波的色散关系和衰减距离。与Ｍｉｌｌｓｔｏｎｅ Ｈｉｌｌ地区 动的观测结果进行了比较,很好地解释了该地区的扰动风场滤波现象。     

复杂背景下深度学习方法的夜光船舶目标检测

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法（Size Expansion Attention Fusion Faster R-CNN,SEAFF）。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船舶目标空间特征;然后,在深层残差网络后加入注意力机制模块,从通道和空间维度上对夜光船舶目标特征筛选;最后,结合特征金字塔网络,弥补不同层次特征提取缺失现象。实验表明,图像尺寸扩张具有很强的不可替代性,特征金字塔特征融合在抑制夜光船舶目标检测漏检具有显著影响,注意力机制在降低虚警方面有一定影响,同时引入三部分使模型达到最优。此外,通过与主流目标检测模型SSD、YOLOv5、Faster R-CNN对比表明,分别提高11.4、7.1和5.6个百分点。SEAFF模型在复杂背景下船舶夜光目标检测中具有显著优势和潜力。