新时代党史学习教育的目标导向、价值意蕴与实践路径

开展党史学习教育是中国共产党在百年革命、建设、改革历程中的优良传统和重要经验。新时代党史学习教育具有明确的目标导向,即坚定理想信念,补足精神之“钙”;传承红色基因,弘扬优良党风;深化执政认识,巩固执政地位。要求从总结历史与观照现实相统一的历史维度、理论创新与时代发展相统一的理论维度、实践创新与初心使命相统一的实践维度把握其价值意蕴。现阶段持续深入推进党史学习教育,要结合时代主题,拓展内容维度;肃正大历史观,反对历史虚无主义;创新方式方法,提升育人成效。     

基于相对测距的水下目标定位算法

在没有星基、地基及水下时空基准信息的辅助下,为解决对水下目标精密定位问题,提出了一种基于水面舰船间相对测距和目标到达角的水下机动目标定位算法(UTPA)。通过联合水面舰船间电磁波相对距离观测和水下声学测角信息建立定位方程,考虑到目标定位方程求解中的异类信息融合权比失配问题,利用Helmert方差分量估计完成目标相对位置的迭代求解。Monte Carlo仿真表明:基于Helmert权比自适应调整的UTPA的定位偏差仅为典型的单平台声学定位技术的10%。     

目标着眼于现金流稳定——房地产企业当前的选择

房地产行业是对环境较敏感的行业,当市场环境较好时通常把追求高收入、高利润作为短期目标,然而目前房地产行业遭受着双重压力,一方面,宏观经济形势不景气;另一方面,来自宏观政策调控的压力。导致房地产行业处于全面紧缩的状态。在当前的情况下,要想实现企业长期的可持续增长,房地产企业须缩小规模,先生存后发展,将短期目标着眼于现金流,追求现金流的平稳,达到收支的平衡,确保一定的现金支付能力。     

基于人脸局部特征和SVM的表情识别

提出了一种基于人脸局部特征的表情识别方法．首先选取人脸重要的局部特征,对得到的局部特征进行主成分分析,然后用支持向量机（SVM）设计局部特征分类器来确定测试表情图像中局部特征,同时设计支持向量机（SVM）表情分类器,确定表情图像的所属类别．对JAFFE人脸图像数据库进行仿真实验．结果表明,该方法要优于一般的基于整体特征的人脸表情识别方法．     

预警机引导战斗机的仿真研究

预警机指挥下的空战已经成为未来中远程空战的主要发展方向。文中研究了预警机对于目标信息的测算,提出应用纯比例、平行接近、时间最优等几种不同方法对战斗机实施导引。在此基础上建立了预警机、战斗机、目标的数学模型,并对预警机引导战斗机至目标区域整个过程进行了仿真。仿真结果表明,基于时间最优的导引方法适合于预警机对现代战斗机的导引控制。     

基于隐马尔可夫模型的非接触手势识别方法

非接触手势识别是一种新兴的人机交互技术,在很多领域正发挥着巨大作用.基于商用的WiFi设备目前应用广泛,但很多因素会影响识别性能.本文探讨了隐马尔可夫模型理论,提出了一种基于WiFi物理层信息的手势识别系统(non contact ges,NCGes),使用菲涅尔区域模型来学习手势特征.首先收集信道状态信息(chann...     

利用深度卷积神经网络算法识别传统篆体书法的应用研究

利用先进的数字化和智能化技术对我国古代文化遗产进行数字化应用和有效保护,以更快捷、更高效的方式解决凭借人力无法解决的问题,具有重要的现实意义.通过研究深度卷积神经网络在书法文字检测识别任务上的应用,设计了一个篆体书法文字检测识别的完整系统,包括数据采集、数据扩充、算法训练与测试和算法模型部署等流程.整个系统以YOLOv...     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.