导航定位系统的设计及应用

设计了一种激光导航定位系统,详细介绍了系统工作原理并作了推算论证.结果表明本系统可以对10公里以内的舰船进行目标定位,激光测距精度为±5米.还可以安装在航行的舰船上,进行目标跟踪,跟踪效果良好,实验结果满意.     

突发事件应急设施选址问题的模型及优化算法

综合考虑应急设施选址的公平性、效率性、设立成本等多方面的因素,建立了一个可适应重大突发事件救援设施不同部署策略的多目标规划决策模型.利用模拟植物生长算法的通用模型,提出了基于模拟植物生长思路的目标问题求解方法.通过对实例的计算,结果验证了多目标决策模型的可行性与合理性,模型的求解算法可获得最优解,具有良好的性能.     

建设社会主义新农村需注意五个问题

十六大提出到2020年实现全面建成小康社会的目标,届时要求全国人均收入达到3000美元,就全国而言,按照目前的收入增长态势,达到这个目标并不困难。但是如果农村收入按20世纪90年代末以来每年只有4％左右的速度增长,到了2020年全国人均收入达到3000美元的时候,农村收入将会不足1000美元,城乡差距将会非常巨大,农村就不是全面小康,到了2020年,也就不会有全面建设小康社会目标的完成。而且,如果农村和生活有关的公共基础设施不改善,到2020年还像有些人形容的那样“城市像欧洲,农村像非洲”,在巨大的收入和生活环境的差距下,我国也难有和谐的社会。所以,落实社会主义新农村建设应该注意以下五个问题:     

用于稳态视觉诱发电位目标识别的多尺度特征融合卷积神经网络方法

针对传统稳态视觉诱发电位(SSVEP)脑电信号目标识别方法分类精度低、提取特征不充分、方法复杂且耗时等问题,提出一种基于多尺度特征融合卷积神经网络的SSVEP信号分类识别方法(SSVEP-MF)。利用小波变换将多通道SSVEP信号整合转化为二维图像作为输入样本集;建立多尺度特征融合卷积神经网络模型(MFCNN),该模型利用三层二维卷积核实现图像样本不同尺度特征的充分提取,构建多尺度特征融合单元对不同层级特征进行融合,并通过全连接等操作完成模型的训练;将样本集输入到MFCNN模型中实现脑电信号特征自适应提取及端到端分类。所提SSVEP-MF方法能够充分提取信号各层级特征,实现短时间视觉刺激下SSVEP信号的有效识别,并具有较高的目标识别效率。实验结果表明,在1 s刺激时长时,相比传统功率谱密度分析方法、典型相关分析方法以及普通卷积结构方法,所提方法的识别准确率分别提升了18.57%、20.08%及7.03%,有效提高了基于稳态视觉诱发电位范式下脑机接口的信号识别性能。     

可拓方法在电力目标市场确定中的应用

电力目标市场的确定是制定电力营销策略的基础。首先运用可拓学中的物元理论建立了按分类电价分类的用电市场细分及其细分市场的物元模型，在模型中考虑了影响目标市场选择的相关因素如市场份额、市场增长率、电费回收率、电力消费弹性等，使这些因素不相容性能很好地在一个物元模型得到解决。然后介绍了可拓评价方法的基本原理和一般步骤。最后应用优度评价方法于某电力公司电力目标市场的确定，在应用中采用了层次分析法确定影响目标市场选择的相关因素的权重。采用该方法得到的电力目标市场符合某电力公司的发展目标，从而为某电力公司制订切实有效的营销策略提供了可靠的依据。     

动目标雷达的模拟相干补偿理论

提出的ＭＴＩ雷达模拟相干补偿理论,是以声表面波存贮相关卷积器作为中央处理单元,将每一周期发射脉冲与其回波做复共轭相关处理,并做幅度归一化,因而消除或减小由于发射系统不稳定对改善因子的限制从而使老式ＭＴＩ雷达的这到或接近全相参雷达的水平。     

高速公路企业债务规模与结构优化模型

为了解决高速公路债务存在的诸如债务规模过大、债务结构不合理等一系列问题,在分析高速公路企业债务性融资方式的基础上,分别考虑了国内银行贷款融资、企业债券融资、国际金融组织和外国政府贷款的特点,对融资方式进行了分类.同时运用熵权法确定了各融资方式在债务总量中的权重.然后运用非线性目标规划构建了高速公路企业债务规模与结构优化模型.最后通过案例验证了模型的科学性和合理性,并针对计算结果进行了分析.     

沥青路面养护决策的多目标优化模型的研究

路面养护决策优化模型是整个路面管理系统的核心。通过对费用和效益的分析,提出了效益的计算方法,由此建立了以路面状况指数(PCI)和路面行驶质量指数(RQI)所产生的效益为目标,资金为约束条件的多目标优化模型。这为路面管理者制定最佳养护计划,进行合理养护决策优化提供了依据。     

社会体育专业课程建设的研究与实践

课程是实现人才培养目标与培养模式的重要载体，文章针对社会体育专业围绕人才培养目标，以市场为需求，以就业为导向，以应用为主旨和特征对课程建设的研究与实践加以阐述．     

基于高斯金字塔的运动目标检测

针对自然环境下运动目标检测背景动态变化问题,提出一种新的基于高斯金字塔模型的背景差分算法.首先将图像序列进行多尺度分解,得到不同分辨率下的当前帧和背景帧;然后,在不同分辨率下采用高低双阈值进行背景差分运算,得到双阈值产生的2帧前景图像,阈值根据环境自动获取;最后,将各层差分图像自顶向下融合检测感兴趣的运动目标,并在HSV空间中去除阴影.背景模型的初始化和更新方法基于2种假设:一是背景点出现的概率较大;二是距离当前帧越近的点越能真实地描述背景.研究结果表明:该算法能有效地应用于动态背景环境下,可以克服光照变化及阴影的影响.多个标准图像序列的测试证明了该算法具有较高的准确性、鲁棒性和自适应性,时间复杂度低,可以运用于实时检测系统中.