欧洲空间科学委员会发布空间天气一体化研究报告

欧洲空间科学委员会(European Space Science Committee,ESSC)2019年8月在Journal of Space Weather and Space Climate发表关于欧洲空间天气一体化方法的评估报告。报告分析了欧洲当下应对空间天气行动存在的问题,并相应提出了协调和优化整合建议,旨在增强欧洲应对空间天气风险的能力,提升欧洲对全球行动的贡献。ESSC对欧洲应对空间天气行动的现状从六个方面进行了深入分析。(1)在空间天气的科学认知方面,亟需加强对多个空间天气耦合机制的科学理解,改善对日地耦合系统的总体描述。     

基于CIDBN的战术活动识别模型及在线精确推理

战术活动识别是战场态势感知的重要研究内容。为提高战术活动识别的准确性与实时性,提出了一种基于上下文独立动态贝叶斯网络（CIDBN）的战术活动识别模型及在线精确推理。通过对战术活动机制的分析,采用动态贝叶斯网络（DBN）理论,建立了一个初始战术活动识别模型。该模型引入了威胁指数节点来影响战术活动的终止与选择,并采用模糊隶属度函数对连续变量进行离散化处理。依据上下文独立关系对该模型进行简化,获得了一个基于CIDBN的战术活动识别模型。将接口算法扩展于该模型上,提出了在线精确推理算法。仿真结果表明,所提出的战术活动识别方法,具有识别精度高、较低不确定性和实时性高的优点。      

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展,对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中,小样本数据多路径生成分类正确率低的问题,提出了舆情传播领域知识图谱结构定义,建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集,使用GraphDIVA模型进行舆情传播模式分类,并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后,分类正确率从76%提升到89.4%,说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。      

基于DDQN的片上网络混合关键性消息调度方法

对片上网络（NoC）承载的混合关键性消息进行实时调度是其应用于航空电子系统片上多核通信的关键。为解决可满足性模理论（SMT）法求解效率低、低优先级消息等待延迟大的问题,提出了一种基于双深度Q网络（DDQN）的混合关键性消息调度方法。将虫孔交换机制下的消息调度问题建模为马尔可夫决策过程,建立包含环境、动作、状态、奖励的多层感知调度模型;随机生成多组分布不同的混合关键性消息作为训练样本,采用DDQN算法求解该调度模型;在此基础上,提出并实现了带孔隙DDQN算法,在保证时间触发（TT）消息可调度前提下为速率约束（RC）消息预留用于虫孔交换的时隙。算例研究表明:所提方法的求解时长及TT消息确定性端到端延迟的平均值均低于SMT法;带孔隙DDQN算法的RC消息延迟较不带孔隙DDQN算法和SMT法显著降低。      

“大珠三角”五机场签署合作备忘录

3月25日,包括香港、广州、深圳、澳门和珠海在内的大珠江三角洲地区五大机场在香港举行年度会议,各机场管理层承诺继续推进区内合作,优势互补,共同推动5个机场的持续发展,     

中国民航科技成果转化现状与对策浅析

国务院新闻办4月2日下午在京举行新闻发布会,全国政协副主席、科技部部长万钢在会上解读了十二五科技发展规划等方面的情况并答记者问。万钢表示在十二五的科技工作中要把加大科技成果转化和产业化推进力度,优化财政科技投入结构和方式,鼓励企业创新,完善并落实财税金融等各类激励措施,制定促进技术转移、     

对民航科研机构服务于民航产学研一体化建设的思考

2010年,中国民航确立了建设民航强国的战略目标:2020年,民航强国逐步形成;2030年,全面建成安全、高效、优质、绿色的现代化民用航空体系,实现从民航大国到民航强国的历史性转变,成为引领世界民航发展的国家。实践证明,这一战略目标的实现,必须得到民航科技创新的有力支持,而实现民航科技创新的有效途径之一就是民航产学研一体化建设。本文重点论述在民航产学研一体化建设过程中,民航科研机构如何发挥自身优势。     

航空发动机材料寿命问题探讨

归纳了航空发动机材料的变形损伤机理,强调了变形物理机制模型在部件设计和全寿命预测管理方面的应用     

中韩对外投资促进机制比较研究（上）

吸收外商直接投资与开展对外投资合作是中国对外开放政策的重要组成部分。这种被中国人称之为＂引进来＂与＂走出去＂的双向投资促进政策,也是中国经济发展适应全球化、参与国际分工合作的必由之路。     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。