数据和知识驱动的空战目标集群类型综合识别

目标集群类型识别是体系作战样式下态势认知的关键,然而现有集群识别算法主要依据专家知识人工进行判读,难以满足作战态势快速、准确理解的需求。提出数据和知识驱动下的推理机制,构建分层精细化推理的集群场景识别框架,预识别层检测目标运动过程中的集群的分群/合群,根据设计基于边界检测的密度峰值聚类确定群的划分情况,得到集群的初步识别结果;再识别层中综合分析集群执行任务、运动特性、电磁特性,对集群目标的多源特性进行多元知识约束下的推理网络构建,在此基础上利用现有数据进行推理网络参数学习,进而使推理获得更为准确的集群类型识别结果。该框架综合知识和数据的优势具有从粗到精的集群目标识别能力,利用多特征综合推理机制对目标集群精细化分析,实现集群类型的准确识别。在典型的集群作战活动场景下推理置信度和正确率两项指标均优于现有算法,验证了所提方法的有效性,提高空战目标集群类型识别的置信度和准确率。     

对流行语“很man”一词的构式视角解析

从构式视角对汉语中的流行语"很man"进行解析。分析这一语式中的词汇和构式互动的原因、互动的过程,以及这一语式的句法、语义和语用特征。以期更全面具体认识汉语中"副名"构式中词汇和构式互动的原因和互动的过程,更具体地认识汉语中"副名"构式的句法、语义和语用特征。     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主,其感知性能过于依赖预定的统计模型,这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析,结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识,可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则,在神经网络输出端设计了一种基于阈值的检测方案,可方便地控制恒定的虚警概率。仿真结果表明,所提算法在信噪比为–14 dB的情况下,仍能达到83%的检测性能,且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。     

基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境,认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求,为实现自适应的决策抗干扰措施,将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施,进行干扰对抗,该算法完成了认知电子战中的最后的一步,使认知电子战系统实现闭环。     

基于认知云的无人机群组信息对抗系统

基于认知云的无人机群组信息对抗系统由长航时、低成本的电子战无人机群组和云计算网络构成。侦察无人机负责有限范围内的信息侦收,云计算网络融合无人机群感知结果,生成广域信息态势,动态制定系统层对抗策略,调度攻击无人机实施电磁频谱压制或信息接入攻击,同时评估对抗效能,实现信息攻防闭环。无人机群组抵近工作,可显著降低载荷设计复杂度,实现小型化、低功耗与有效性的统一设计。     

空中交通管制员工作任务分析

简要说明了管制员工作任务分析的意义和重要性,介绍了管制员综合工作任务分析的方法,并以实际管制单位的管制员为研究对象,确定了管制工作中10大工作任务以及任务间的相互关系,最后对每个任务进行详细分析,构建了管制员10大任务模型。     

基于高职扩招生源的课程教学设计逻辑起点与变革

随着高职扩招规模的增长,扩招生源已成为高职院校生源的重要组成部分,其主要学习特征和需求存在明显的差异性,对课程教学设计提出了新要求.课程设计者应厘清课程教学设计的总体思路,明确教学对象分析是课程教学设计的逻辑起点.建立以"学生为中心"的课程设计理念,采用"企校合建"模式,确定教学目标、重构教学内容、序化课程结构、创新教...     

假叙事之摆与静态蒙太奇——肖旭琳的并置画

图像是一种很叙事的表象。它从一个有时间延伸的事件里停在了被截取的那个平面上。但却因为有各种内容而产生叙事。不过图像仅仅只是一个截面。图像所显示的信息并不能还原现场本身的情节。那时所产生的叙事是一种个人编造出来的假叙事。而这种武断的假叙事实际上是建立在每个人不同的认知结构和知识系统的基础上十分人性化的差异性产物。各种以人为单位的假叙事之间的差异性来自于不同的教育和经历所建造的不同的经验体系在视觉到思维判断过程中的差异。由于受到差异性以及由此差异性产生的各种假叙事之间的趣味勾引．     

多因素条件下注意力分配建模

为预测飞行员注意力分配情况,在混合熵最大化模型的基础上,从信息加工的两条通路入手,应用主观期望效能理论及SEEV(Salient-Expectancy-Effort-Value)模型思想,提出了一个基于信息重要度、发生概率、突显性及努力的预测模型.为验证模型的效度,采用16名被试在不同任务权重及信息呈现方式下开展仪表监视实验,记录注视点分布作为注意力分配的评价指标.被试需要对平视显示器仿真界面中的目标信息状态进行监视,并通过按指定键对异常信息进行响应.实验结果表明:根据预测模型所计算的注意力分配理论值与被试注视点分布的实验值显著相关且吻合较好,可为飞机座舱显示界面的设计提供依据.