南岳地区全风化花岗岩崩解特性试验研究

基于阿基米德定律,采用自制大型全风化花岗岩崩解仪,分别对南岳地区全风化花岗岩原状、烘干、风干、带有护筒支护等不同状态的试样进行崩解试验研究.试验中运用最小二乘法,拟合量筒读数与崩解仪排水体积的直线关系方程式,改进浮筒初始读数方法,减少读数误差.试验结果表明,试件整个崩解过程中分为3个阶段:第二阶段的崩解速率最大,其次为第一阶段,崩解速率最小为第三阶段;失水方式直接影响崩解时间,烘干状态下,试件失水最为剧烈,崩解时间最短;护筒支护状态下,减少了水与试件的接触面积,延长了试件崩解时间.该研究成果为南岳全风化花岗岩地区的土建工程建设提供参考依据.     

中澳小学母语课程标准关于目标与内容标准的比较

21世纪初,中澳两国分别颁布了新的国家课程标准,并且在课程标准的诸多方面进行了深入的改革。澳大利亚在2011年颁布了全国统一的课程标准,其中,《澳大利亚课程——英语》类似于我国编写的《义务教育语文课程标准(2011年版)》。中澳母语课程标准均对本国中小学的母语教育做出了明确的规定。比较两国母语课程标准,分析其异同点,有助于我们了解世界各国母语教育的发展状况,促进我国母语教育的进一步发展。本文着眼于课程标准的     

邓小平军队改革战略思想及其现实启示

综观1975年整顿后邓小平在军队实施的一系列改革举措,着眼大局、找准突破口、抓住中心、全面改革构成了邓小平军事改革战略的基本框架.邓小平立足国际和国内大局思考军队改革问题,以体制编制改革作为军队改革的突破口,推进以现代化建设为中心的军队全面改革.以邓小平军队改革战略思想为指导,把改革作为实现强军目标的根本动力,把强军梦融入强国梦,抓住机遇,迎难而上,依法治军,实现体制编制重大突破,以信息化建设为中心,全面深化军队改革,实现军队战斗力质的飞跃.     

基于多目标优化的多Agent信任联盟模型

基于交互历史建立信任联盟模型,采用多目标优化算法实现联盟信誉最大和联盟收益最大化的双目标优化。实验验证结果表明,模型对联盟的优化效果优于单纯追求联盟信誉或联盟收益最大化的单目标优化效果。     

基于VGGNet改进网络结构的多尺度大熊猫面部检测

大熊猫个体识别对研究大熊猫的种群数量非常重要，大熊猫面部检测是基于面部图像的大熊猫个体识别方法中的首要关键步骤。针对现有的大熊猫面部检测方法精确度不高的问题，提出基于VGGNet-16改进网络结构的多尺度大熊猫面部检测方法。首先，以VGGNet-16网络结构为基础，通过增加残差结构与BN层，降低卷积层通道数，并采用LeakyRelu激活函数等改进，构建一个新的特征提取主干网络。其次，将一个3尺度的特征金字塔网络结构与SPP结构结合用于目标检测。最后，使用深度分离卷积结构替代常规卷积结构。实验结果表明，提出的大熊猫面部检测方法在测试集上能够达到99.48%的mAP，检测性能优于YOLOv4。     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

结合伪随机特征码的多序列跳频通信方法

针对多序列跳频(multi-sequence frequency hopping, MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH, PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明, PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。     

通道裁剪下的多特征组合目标跟踪算法

针对深层特征存在冗余通道影响跟踪速度和精度以及单一特征难以适应复杂场景的问题,提出了一种通道裁剪下的多特征组合目标跟踪算法。首先,在相关滤波算法的框架上结合传统手工特征和深层特征进行跟踪。其次,通过对比深层特征通道上目标区域和搜索区域的特征均值设计通道裁剪策略,筛选出合适的特征通道。最后,通过隔帧更新的方式更新深度特征,通过平均峰值相关能量更新传统特征滤波模板,最终实现准确跟踪。与10种算法在OTB2013和OTB2015数据集上进行对比实验的结果表明,本文算法在跟踪准确度和成功率方面都取得了更为理想的结果。     

基于控制变量估计的高超声速再入滑翔目标轨迹预测算法

以高超声速再入滑翔目标为研究对象,在对目标机动控制变量进行建模分析的基础上提出了一种轨迹预测算法。首先,基于动力学建模构建了目标跟踪模型,利用气动参数对目标状态向量进行扩维并推导了对应的运动模型。其次,构造了适用于轨迹预测的目标机动控制变量,在不同机动模式下分析了控制变量的变化规律,基于控制变量设计了对应运动方程以及轨迹预测模型。最后,仿真生成了两条轨迹并对所提算法进行了仿真验证,分析了算法性能。仿真结果表明所提轨迹预测算法能够取得较好的预测效果。