简介：雷达镜反射有一路反射和三路反射两种模型,针对雷达检测、跟踪阶段分别选用哪种镜反射模型较为准确这一问题,对两种镜反射模型及其影响效果进行了对比分析。以雷达接收目标信号、雷达单脉冲比分别作为镜反射影响雷达检测、跟踪性能的关键因素,推导得到了两种镜反射模型下雷达接收信号和单脉冲比数学表达式,并对两种镜反射模型下的雷达接收信号和单脉冲比进行了仿真分析。理论推导和仿真结果表明,雷达检测阶段采用三路镜反射模型较准确,雷达跟踪阶段采用两种镜反射模型时效果一样。

简介：去个性化效应的社会认同模型（Socialidentitymodelofdeindividuationeffects,SIDE）对去个性化现象的解释明显区别于传统去个性化理论的观点，并且sIDE模型从认知维度与策略维度这两个方面对去个性化现象作出了全新的解释。用sIDE模型来解释与分析网络中的去个性化现象，思考网络中产生去个性化现象的深层原因及其影响，并对网络中不合理的去个性化现象提出建议。

简介：信息作战关键在于生成作战行动序列。考虑到信息作战过程的不确定性和对抗性,以及信息作战行动与战场态势间的相互影响,利用随机博弈论分析了敌对双方对抗,从而建立了信息作战行动序列规划随机博弈模型,并给出了求解方法。算例结果表明,该模型可适应信息作战环境。

简介：证券综合指数的对数收益率的折线图反映收益率的波动呈现出在一段时间内波动比较大,一段时间波动比较小,方差随着时间的变化而变化。在对时间序列数据进行研究的时候,通常假设随着时间的变化方差不会发生变化。但是在关注预测的精确程度时,需要了解方差的大小。文章用Eviews软件对上证综指日收盘价的对数收益率建立EGARCH-M模型,对收益率序列呈现出的波动聚集性,杠杆效应、风险与收益的关系等特征进行了分析,最终对波动率进行预测,结果表明EGARCH-M模型充分描述了波动性聚类的特点,只用很少的参数就可以把实际数据拟合得很好。该模型形式简单,容易估计,提高了对方差的预测精度,对收益率波动率建立模型对于宏观经济理论和金融理论有重要的意义。

简介：随着我国经济的持续发展,人民生活水平不断提高,城市汽车保有量飞速增长。但随之而来的确是交通设施发展的相对滞后带来的交通拥堵等诸多衍生的问题。如何最快获得最准确的信息,怎么样打发越来越多的车上时间,成为了人们新的需求,路况数据库就是为了满足车上人群对于路况信息的个性化和人性化的需求所服务的。

简介：电信运营商企业间对客户资源的竞争日益加剧,各企业针对电信业务数据进行＂商机挖掘＂的方法来寻找潜在的客户资源。文章采用＂业务数据挖掘＂的方法分析,获得公司的ITV潜在客户清单,并以手机APP的形式推送至与公众客户接触面最大的装维人员进行业务随销。通过精准营销的项目应用,改变了以往＂盲推销＂的客户发展模式,有力地改善了客户感知并提升了营销成功率。

简介：从武器铰链控制能力、武器协同控制能力和网络抗扰性3个方面构建了空军武器控制网络的作战效能评估指标体系,提出了分项指标概念、内涵与计算模型,从而为系统研制和作战运用提供参考,为其作战效能的客观评估提供理论支撑.

简介：PCB多层板的制作由多张内层芯板压合而成,而影响芯板图形对准的关键因素为各层别芯板的涨缩值。本文阐述了通过建立计量模型预测菲林系数,达到控制和提高压合精准度的研究过程。分别从方法、过程和结果等几方面,对补偿系数控制进行了详细说明。

简介：多分辨率建模技术是解决复杂系统建模的一个重要方法。根据多分辨率建模需求,本文建立了体系对抗下电子干扰/雷达系统多分辨率模型体系。首先,阐述了多分辨率建模原理;然后,在此基础上根据体系对抗下电子干扰/雷达系统的特点,建立了由技术层、装备层、系统层组成的三层多分辨率模型体系;最后,在组网雷达体系对抗下典型电子干扰/雷达仿真系统中,给出了该多分辨率模型体系的应用实例。

简介：随着Java应用程序的迅速发展,程序代码安全问题也逐渐引起了人们的重视。虽然各个研究领域都提出很多的安全控制方法,但都存在着非常大的局限性,需要完善。本文主要将扩展下自动机作为核心研究对象,进行了详细分析,希望可以给相关研究人员提供参考。

简介：专家场（FieldsofExperts，FOE）图像先验模型是一种基于滤波器学习的高阶马尔可夫随机场（MRF）模型，对于许多图像复原问题该模型已经被验证其有效性。本文提出一种基于FOE图像先验模型的新的变分模型，用于相干斑噪声（乘性噪声）去噪。本文提出的变分模型需要求解一个非凸极小化问题，该问题可以通过iPiano（InertialProximalAlgorithmforNonconvexOptimization）算法来有效地解决。通过仿真图像和真实合成孔径雷达（SyntheticApertureRadar，SAR）图像的去噪试验，可以表明本文提出的算法与目前最好的相干斑去噪算法性能相当。此外，本文提出的算法适用于图形处理器（GraphicsProcessingUnit，GPU）平台并行加速，可以大大提高运算效率。