【摘 要】
：
针对无人作战装备体系网络模型描述偏定性、定量优化分析难等问题，总结了无人作战装备体系特点，以其作战任务流程为主线，从功能层次结构视角，设置情报、决策和执行等功能节点及虚拟节点，构建了基于任务流程的无人作战装备体系网络模型，给出了体系综合能力评价指标，并对比8种网络结构进行仿真分析，为无人作战装备体系构建和作战运用提供决策参考。
【基金项目】
：
军事类研究生资助课题重点项目（JY2019B131）；
论文部分内容阅读
针对无人作战装备体系网络模型描述偏定性、定量优化分析难等问题，总结了无人作战装备体系特点，以其作战任务流程为主线，从功能层次结构视角，设置情报、决策和执行等功能节点及虚拟节点，构建了基于任务流程的无人作战装备体系网络模型，给出了体系综合能力评价指标，并对比8种网络结构进行仿真分析，为无人作战装备体系构建和作战运用提供决策参考。
其他文献
数据规模近年来增长迅猛,信息安全的地位日渐凸显,流密码作为一种保密性良好、加解密速度快、常用于国防军事等安全性需求较高的领域的加密体制,发挥着重要作用。为了做好信息安全基础设施服务的保障,流密码算法的实现载体要在灵活性、性能和安全性等指标之间进行权衡,可重构密码处理器可以在保证一定处理速度的前提下同时满足一个信息安全解决方案对多种密码算法的需求,而且安全性也是有保障的。本文面向流密码算法设计了一种
人脸图像是人们十分重要的身份信息,然而在传输、保存以及后期处理过程中,常常会出现水印遮挡、污损、部分区域缺失等问题,为人们的日常生活带来许多不必要的麻烦。因此,研究如何有效的将残缺人脸图像恢复成原本的模样是非常具有现实意义的。现如今,生成对抗网络在图像修复任务上展现出巨大优势,本文将依托生成对抗网络深入研究人脸图像修复问题。本文受到绘画创作的启发,将人脸图像修复任务解耦成边缘预测和人脸修复两个子任
电容层析成像技术（Electrical Capacitance Tomography,ECT）是一种过程层析成像技术,常用于密闭管道空间中两相流或多相流的可视化测量,它的原理是根据传感器采集的电容数据,应用相关算法对被测空间中的介质分布进行图像重建。ECT技术具有非侵入、快速简单、低成本、便于安装等显著优点,被广泛地应用于工业生产中,是一种具有巨大发展潜力和广阔应用前景的无损检测方法。ECT系统是
技术创新已成为国际竞争的关键因素,也是国家长远发展的动力源泉,要占领技术创新的制高点,需充分认识企业在技术创新体系中的核心作用,提升企业创新的整体效率,以技术创新引领国家创新。企业创新作为国家创新战略的核心,其创新能力不仅决定了自身创新水平,也影响国家创新的发展方向。我国是制造大国,制造业是经济发展的根基。在制造业转型发展的关键时期,先进制造业肩负着制造业新旧动能转换的重任,是中国从制造大国迈向制
推荐系统以减少用户从海量数据中寻找自己感兴趣的信息所花费的时间和为不同用户实现个性化推荐为目的。文章推荐是推荐系统中一个重要的应用。现有的文章推荐模型在处理稀疏数据时仅仅通过简单地嵌入将高维数据转化为低维数据,因此在嵌入的过程中未能充分利用用户信息和文章信息,从而导致了模型推荐不够准确。因此,本文提出了一种基于图嵌入表示的文章推荐模型。针对利用文章特征信息和文章节点关联信息不充分的问题,本文提出了
滚动轴承在实际工业生产中所处的工作环境往往十分复杂、多变,工作于不同工况下的滚动轴承往往振动信号分布差异极大,且部分工况下的有标签数据不易获取。因此,在变工况条件下实现滚动轴承的智能故障诊断具有十分重要的意义。针对上述问题,本文对现有的深度迁移学习方法进行改进,提出一种改进残差网络深度子域适应方法,实现了变工况条件下的滚动轴承故障诊断。在数据预处理方面,存在着数据集样本数量不足和一维数据用于故障诊
国内外隐喻设计研究已经呈现出一种多层次、多方位、多元化的趋势，大家也慢慢接受并且习惯发现生活中富含隐喻文化的事物。文章以缂金十二章龙袍各部分的隐喻为例，分别从纹样、廓形、色彩等方面分析隐喻在服装设计中的运用，并探索创新性隐喻纹样融入现代商务西装设计的路径。
脑部肿瘤是一种很常见的神经外科疾病,作为脑部高危疾病的一种,对于人类的生活健康造成了严重的危害。为了充分利用医学影像信息,并且帮助医生快速准确地做出疾病诊断,深度学习模型在脑肿瘤分割任务中表现出了强大的特征提取能力。然而由于脑肿瘤的形状多种多样及脑部影像的多变性,模型对脑肿瘤的分割效果仍然有一定的提升空间。（1）本文针对以往的Unet网络结构复杂、参数过多、计算量过大,导致无法满足人们对计算速度和
属性网络的异常检测研究,旨在发现网络中属性和特征与大多数节点存在较大差异的异常节点。然而,现有大多数方法忽略了网络结构信息与节点属性信息之间的联合交互问题,且由于网络噪声的影响导致节点特征学习质量低下,影响了异常检测算法的性能。本文提出了一种深度联合表示学习框架,进而提出异常检测算法。为了捕捉属性网络中网络结构和网络节点属性信息之间的跨模态交互信息,并且得到高质量的低维特征表示,本文设计了关联对抗
无人装备一般数量众多、执行任务时间长、环境恶劣，因此剩余使用寿命（RUL）预测尤为重要。综合性能指标序列使用单一模型的预测精度较低，为解决此问题，提出基于Kalman融合模型的RUL预测方法。首先，采用面积最大值法提取无人装备关键部件综合性能指标的退化阶段；其次，利用具有指数特征的GM（1,1）模型、线性支持向量机SVR模型、非线性极端学习机（ELM）模型对综合性能指标进行预测，每种模型可以捕捉综