基于分布式数据仓库动态增量视图维护的研究

分布式数据仓库分为局部/全局数据仓库、技术分布式数据仓库和独立演进的分布式数据仓库三种类型.分析了视图脱机维护和联机维护存在的不足,根据三种类型分布式数据仓库给出了动态增量视图维护的模型及方法.     

以科学发展观引领高职和谐校园构建

高等职业院校在快速发展过程中,面临着一些新的问题。要解决这些问题,必须坚持以人为本的科学发展观,认识到高职和谐校园构建的基本特征和意义,从而构建高职和谐校园,促进高职学院全面协调可持续发展。     

被动成像广域空中监视系统综述

被动成像广域空中监视（Wide Area Airborne Surveillance, WAAS）系统因其良好的隐蔽性和动态监视的实时性、持久性及大面积覆盖,已成为情报监视侦察的重要工具,广泛应用于军事、民用领域。文章结合典型被动成像广域空中监视系统（如自动实时地面全部署侦察成像系统 ARGUS-IS）的特点,从光电传感器设计、数据传输与信息处理等方面阐述被动成像WAAS的系统特点及关键技术环节;重点分析了大视场高分辨率的实现方式、海量数据传输与存储、数据智能分析等制约被动成像WAAS性能的瓶颈技术,为被动成像WAAS的研制与应用提供了参考。     

叙述艺术分析——《献给艾米丽的玫瑰》

本文在叙述学理论的指导下,着重从视角和叙述时间角度出发,对福克纳的小说《献给艾米丽的玫瑰》进行详细文本分析。分析发现小说打破了传统的线性叙事模式,用倒叙的写作手法将不同视角的应用与复杂的叙述时间顺序相结合,从第一人称视角,第三人称全知视角,和第三人称限知视角出发,以非线性的环形模式突出了其独特的叙事魅力以及该叙事手法与小说故事的内在联系。     

基于卫星共视的罗兰C导航系统原子频标时间同步

介绍了CV技术的基本原理和罗兰C系统原子频标资源的使用状况,并通过引入系统融合和CV技术,对比对数据进行检测校验,最终实现了罗兰C导航系统原子频标与UTC时间基准同步。     

基于焦面哈特曼波前传感器的大视场高精度波前测量技术论证

气动光学效应容易对导引头目标成像跟踪系统产生不良影响,然而传统哈特曼波前传感器由于探测视场小,无法作用于导引头的目标成像跟踪系统。文章介绍了一种能够大视场测量的焦面哈特曼波前传感器,同时针对在焦面哈特曼中传统模式法无法高精度测量的问题,提出一种能够高精度测量的优化波前复原算法——基于Gerchberg-Saxton迭代的波前复原算法。然后根据满足大视场测量的结构设计,搭建了仿真平台,利用优化的波前复原算法对仿真输入像差进行复原。最后,利用多个激光器搭建了大视场波前复原实验平台并验证了焦面哈特曼波前传感器具有能够实现高精度的大视场波前测量的能力。     

多通道GPS共视法时频传递接收机的研制

GPS共视法是国际上流行的远距离时间频率传递技术,核心是共视法接收机。我们成功研制了多通道GPS共视法时频传递接收机系统,硬件部分主要由自主研制的高精度时间间隔计数器和Motorola生产的VPONCORE GPS引擎组成,软件符合时间频率咨询委员会(CCTF)发布的GPS共视法数据处理软件标准化指南的要求,与单通道GPS定时接收机相比,界面更友好,操作更方便,具有很强的分析处理数据功能。经测试证明多通道GPS接收机零基线共钟共视时间比对的不确定度小于4 ns(仰角40°),与国外报道基本相同。     

落角与视场约束制导控制一体化策略

针对考虑视场(FOV)约束和落角约束的高超声速飞行器高精度打击问题，提出一种基于自适应动态规划(ADP)的新型制导控制一体化(IGC)策略。首先设计一种融合视场角与落角约束的视场角指令，在视场角精确跟踪的同时实现精确命中并满足两种约束，从而将约束问题转化为跟踪问题；然后，借助干扰观测技术估计制导控制一体化模型中不确定性并引入到性能指标设计中，又同时将视场角约束与落角约束考虑进去，设计基于自适应动态规划的制导控制一体化方法。利用ADP的强化学习思想求解出最优控制策略，既保证高超声速飞行器的精准打击，又满足视场角约束与落角约束，而且兼顾了对不确定性的鲁棒性。仿真结果验证了本文所提方法的有效性与优势。     

锯切圆柱形42CrMoA的声发射监测试验

针对锯切加工中的带锯条磨损状态未知、锯切质量下降等问题，本文研究了新试制的FTCUT双金属带锯条锯切圆柱形42CrMoA合金结构钢过程中锯切行为的变化，探讨了声发射信号与单刀锯切过程、锯齿磨损和锯切表面质量变化的关联。研究表明：锯切圆柱材料时随着锯切深度的变化，参与齿数先增大后减小，带锯条约束条件不断变化，进而影响着声发射信号幅值和锯切表面质量；基于时域分析可知锯齿磨损过程分为磨合磨损、快速磨损、稳定磨损三个阶段；基于FFT频域分析发现当频谱图出现多个主频，且第一主频幅值下降时，表明声发射信号来源比较分散，即可认定带锯条失效；基于小波包频域分析发现第7频段信号占比最高，最能反映工件表面质量的变化，其波动情况与锯切表面的微纹和波纹情况可建立一定的联系。因此，可基于声发射信号时域和频域分析判断锯齿磨损和锯切表面恶化情况，为锯齿磨损和锯切表面质量的在线监测提供一定的思路。     

An online ensemble semi-supervised classification framework for air combat target maneuver recognition

Online target maneuver recognition is an important prerequisite for air combat situation recognition and maneuver decision-making. Conventional target maneuver recognition methods adopt mainly supervised learning methods and assume that many sample labels are available. However, in real-world applications, manual sample labeling is often time-consuming and laborious. In addition, airborne sensors collecting target maneuver trajectory information in data streams often cannot process information in real time. To solve these problems, in this paper, an air combat target maneuver recognition model based on an online ensemble semi-supervised classification framework based on online learning, ensemble learning, semi-supervised learning, and Tri-training algorithm, abbreviated as Online Ensemble Semi-supervised Classification Framework (OESCF), is proposed. The framework is divided into four parts: basic classifier offline training stage, online recognition model initialization stage, target maneuver online recognition stage, and online model update stage. Firstly, based on the improved Tri-training algorithm and the fusion decision filtering strategy combined with disagreement, basic classifiers are trained offline by making full use of labeled and unlabeled sample data. Secondly, the dynamic density clustering algorithm of the target maneuver is performed, statistical information of each cluster is calculated, and a set of micro-clusters is obtained to initialize the online recognition model. Thirdly, the ensemble K-Nearest Neighbor (KNN)-based learning method is used to recognize the incoming target maneuver trajectory instances. Finally, to further improve the accuracy and adaptability of the model under the condition of high dynamic air combat, the parameters of the model are updated online using error-driven representation learning, exponential decay function and basic classifier obtained in the offline training stage. The experimental results on several University of California Irvine (UCI) datasets and real air combat target maneuver trajectory data validate the effectiveness of the proposed method in comparison with other semi-supervised models and supervised models, and the results show that the proposed model achieves higher classification accuracy.