“海盗旗”再现江湖

如果你坐在船上,在海上航行的时候,突然看见了海盗的旗帜,那你可就要大难临头了。俄罗斯有一种很有威慑力的轰炸机——图-160,北约组织给它起了一个绰号:“海盗旗”。从这个绰号上人们就可以看出这种轰炸机的厉害。那么,图-160到底有多厉害呢? 图-160是一种4发变后掠翼多用途超音速远程战略轰炸机,它既能在高空、超音速的情况下作战,发射具有火力圈外攻击能力的巡航导弹;又可以以亚音速低空突防,用核炸弹或导弹攻击重要目标;还可进行防空压制,发射短距攻击导弹。它的两个武器舱内可以挂旋转     

基于改进神经网络的模糊聚类算法

文章提出了一种新的聚类方法NFC,首先用模糊逻辑神经元网络的聚类算法和Cauchy训练的模拟退火算法相结合的局部算法得到初始聚类中心,然后用FCM算法进行模糊聚类;实验证明,NFC算法在一定程度上解决了FCM局部极值问题且有效性非常高。     

基于灰色系统理论的360°绩效考评

文章基于对现行的绩效考评方法的特点和有效性的分析,构建了360°绩效考评层次结构模型,利用层次分析法并结合德尔菲法确定各考评指标的权重,再运用灰色系统理论的原理和方法,提出一种以定量分析为主并与定性分析相结合的360°绩效考评方法;通过实例分析,此方法具有把各层考评者提供的"贫信息"做出系统综合的优点,最终不仅能得到被考评者的总评所属灰类及优劣顺序,而且可以得到各级指标所属灰类和具体的灰色评价权数,使360°绩效考评较好地达到了绩效反馈目的。     

地聚物再生骨料混凝土的力学性能研究

目的 研究工业废渣和废弃混凝土替代水泥和自然石材制备地聚物再生骨料混凝土的制备条件及养护制度对地聚物再生骨料混凝土力学性能的影响.方法 对40组边长为100 mm的正立方体试件进行抗压强度试验,分析原材料氧化物物质的量比、水玻璃掺量、液胶比、NaOH掺量、再生骨料预处理制度、再生骨料原始强度等级、养护温度和养护时间对地...     

基于加权主成分分析和改进密度峰值聚类的协同训练算法

[目的]针对协同训练算法在视图分割时未考虑噪声影响和两视图分类器对无标记样本标注不一致问题,提出了基于加权主成分分析和改进密度峰值聚类的协同训练算法.[方法]首先引入加权主成分分析对数据进行预处理,通过寻求初始有标记样本中特征和类标记之间的依赖关系求得各特征加权系数,再对加权变换后的数据进行降维并提取高贡献度特征进行视...     

PMMA温变摩擦磨损特性研究

文章以聚甲基丙烯酸甲酯(PMMA)圆盘和氮化硅陶瓷球(Si3N4)为摩擦副,利用旋转式高温真空摩擦磨损试验机测试温度和载荷对PMMA摩擦磨损特性的影响,并使用激光共聚焦3D显微镜对样品划痕进行观察分析.实验结果表明:PMMA的摩擦系数随温度升高呈现先略微降低然后显著增大的变化趋势,临界温度点约为90℃,并且随载荷的增加...     

基于Xception模型的遥感影像场景变化检测

由于遥感场景固有的语义特征,深度学习在场景分类中具有突出的语义特征提取能力,近年来得到了广泛的研究。然而,现有的基于深度学习的方法大多没有精细描绘场景几何形状,而是利用固定大小的滑动窗口来对影像分类,这些窗口可能由多种场景类型的混合像元组成,导致场景识别的可分离性低,细节粗糙,分类精度低。针对这一问题,将简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)与迁移学习相结合,实现场景斑块的精确分类,进一步提高场景变化检测的准确性。首先基于SLIC算法,考虑强度分布的相关性,将遥感影像分割成多尺度斑块;其次利用Xception模型结合迁移学习网络从多尺度斑块中提取深度语义特征,并基于softmax分类器计算概率,从而判别场景斑块的类别;最后,基于场景分类的结果提取地物的变化信息。实验结果表明,该方法能够适应不同尺度的场景识别,达到利用窗口网格检测方法的最高水平,提高了场景变化检测的精度和效率。     

时变路网下电动汽车冷链配送路径规划研究

在双碳背景下,电动汽车已在物流行业快速普及.在满足生鲜品的新鲜程度、车辆限载及电动汽车的电量限制等约束条件下,将电动汽车充电过程所产生成本纳入目标函数中,构建了时变路网下带软时间窗的电动汽车多温共配路径优化模型.根据该模型的特点,引入K-means聚类对客户进行聚类,同一聚类单元内设计免疫遗传算法,得到启发式路径优化方案.实验结果表明,根据顾客的需要及时变路网特性,合理安排运输规划与配送路径,保证了生鲜品运输的时效性;采用电动汽车多温共配的运输方式进行运输,运输成本更加低廉、过程更加节能,提高了企业的经济效应.     

基于低秩稀疏表示的子空间学习研究综述

以基于低秩稀疏表示的子空间学习为研究对象,对近几年的相关研究工作进行了归纳总结.首先,阐述了子空间学习及低秩稀疏表示的概念;然后,根据迭代更新的方法,将基于低秩稀疏表示的子空间学习分为基于矩阵分解的子空间学习和基于谱聚类的子空间学习两大类;其次,对它们各自算法的核心思想进行了详细介绍,并对这些算法的优缺点进行了对比分析...