论文部分内容阅读
印度海洋安全战略及其对我安全影响
【出 处】
：
国防科技大学
【发表日期】
：
2019年01期
其他文献
海杂波下的弱小目标检测一直是雷达检测跟踪识别领域的重难点问题。该课题在军事、民用上均有重要应用,军事方面可以用来检测潜望镜、远距离水面舰艇、掠海飞行器等,民用上可用来监控海上偷渡、非法贸易、预防船只相撞。高海况下,海杂波的后向电磁散射特性较强,雷达回波中的目标信号容易被海面浪、涌造成的海尖峰掩盖,给检测带来困难。传统的雷达目标检测方法存在诸多缺陷,低信杂噪比下虚警较多、海杂波复杂多变,传统方法在拟
卫星测控通信模拟器是一种专门与地面测控通信系统在卫星发射前进行联试和对接的仿真设备,主要用于验证地面测控通信系统在接口、信息交换、测控程序的正确性和协调性。在历次卫星发射测控中,测控通信模拟器发挥了至关重要的作用。随着我国第三代航天测量船的投入使用并将参加各项测控任务,为确保测量船测控通信系统的功能正确,必须利用卫星测控通信模拟器进行联试检验,为新测量船研制新的卫星测控通信模拟器成为必然。在分析了
卫星遥感影像是一种高度结构化的数据资源。将以深度学习为代表的现代计算机视觉技术与遥感数据分析结合起来,是当前研究的热点。其成果可能会对人们理解环境方式产生巨大影响,在农业、城市规划、可持续发展、应急救援、自然灾害的早期探测和预防等方面都可以提供关键支撑。地表覆盖类型分类是上述应用的基础,其目的是将卫星图像中的每一个像素划分为一个特定的土地覆盖类别。论文在此基础上展开基于深度学习的遥感影像地表覆盖类
在网络运维管理工作中,为了有效保证网络系统稳定可靠运行,网络管理者需要密切监控KPI（Key Performance Indicator,关键性能指标）的变化情况,基于指标中呈现出的异常现象,及时的发现网络服务故障,以规避网络系统升级与技术变更所带来的风险。然而,随着互联网公司业务及服务规模,以及网络系统规模的不断增长,传统网络运维管理手段在复杂实际场景下KPI异常检测任务中面临诸多挑战与困难。基
类增量学习技术在近年来逐渐成为机器学习领域的研究热点,其技术特点是在增量学习过程中随着数据规模的持续扩大,数据类别也随之增长。其中,面向高速动态数据流的类增量学习技术的研究,更是在诸如数据流异常检测、网络入侵检测、系统异常诊断和金融市场行为监控等现实场景存在较为迫切的应用需求。然而,流式数据模型具有数据分布动态变化、数据流速快、数据规模大且维度高等特点,给面向数据流的类增量学习技术提出了新的更大挑
在线社交网络为人们提供了交流和信息共享的媒体平台,由于不同的在线社交网络分别为人们提供不同的服务,为了使用不同的社交媒体平台,用户普遍拥有多个在线社交媒体账号。此时利用在线社交网络中的数据从多个维度对用户身份进行标识,进而进行跨社交媒体用户对齐操作,实现社交网络中用户身份标识,对网络安全、推荐系统等领域有重要发展意义。现有用户身份标识方法,未充分利用用户特征数据,用户身份标识效果难以体现,针对上述