轻武器光学瞄具的视差参数测试

在对传统的视差测量方法进行充分研究的基础上,提出了基于自动调焦技术的轻武器光学瞄具的视差参数测试方法。介绍了自动调焦技术的工作原理及其系统组成框图;根据轻武器瞄具性能指标的具体要求,结合自动调焦技术设计了一套轻武器瞄具的视差参数测试系统,并介绍了被测瞄具放入该测试系统前后的自动调焦过程;最终通过求取视度之差得到视差。根据轻武器瞄具光学系统的实际测试要求进行了5次测试实验,并对这5次实验数据进行了分析。结果表明:视差测试精度为0.0296m-1,达到了轻武器光学瞄具技术指标0.1m-1的要求,保证了测量精度。     

相变存储器器件单元测试系统

通过计算机控制脉冲信号发生器和数字信号源等硬件设备,实现对硫系化合物随机存储器(C-RAM)器件性能的测试.该系统主要有电流与电压关系测试、电压与电流关系测试、电阻与所加的脉冲信号关系的测试和疲劳特性测试等模块组成.通过这些测试从而找出写脉冲信号与擦脉冲信号的高度和宽度的最佳参数、C-RAM器件的阈值电压、循环寿命等重要参数.此系统不仅为研究C-RAM器件的速度、功耗、可靠性等提供了一个途径,又为C-RAM的工艺和结构参数的研究提供了试验平台.     

航空相机操纵器仿真系统研究

航空相机操纵器是安装在飞机上对航空相机进行控制的仪器,其仿真系统可用于模拟控制航空相机的地面拍照、航空相机性能测试及相关设备性能的研究。文中在介绍航空相机操纵器系统功能的基础上,针对航空相机的拍照特点,在VisualC++环境下,建立了航空相机操纵器的仿真系统,并着重进行了硬件结构设计。通过对参数的装定、调焦和图像处理等大量实验,证明了该系统性能稳定,具有很强的抗干扰性,不仅缩短了研制周期,而且还降低了试验费用,节省了经费的投入。     

面向草图检索的小样本增量有偏学习算法

为了解决草图检索相关反馈中小样本训练、数据不对称及实时性要求这3个难点问题,提出了一种小样本增量有偏学习算法.该算法将主动式学习、有偏分类和增量学习结合起来,对相关反馈过程中的小样本有偏学习问题进行建模.其中,主动式学习通过不确定性采样,选择最佳的用户标注样本,实现有限训练样本条件下分类器泛化能力的最大化;有偏分类通过构造超球面区别对待正例和反例,准确挖掘用户目标类别;每次反馈循环中新加入的样本则用于分类器的增量学习,在减少分类器训练时间的同时积累样本信息,进一步缓解小样本问题.实验结果表明,该算法可以有效地改善草图检索性能,也适用于图像检索和三维模型检索等应用领域.     

网络符号让沟通变得更生动

人类很早以前就学会用符号来记录事件,传递信息,表达情感,人类创造符号并赋予它们意义,符号的这些特定的意义又作用于人们的生活,人类创造符号的过程就是文化发展的过程。网络符号是基于网络媒介进行传播的一种特殊符号,是在科技高度发达的网络时代背景下产生的,它具有多样性,随意性,时效性,时代性等特点。它与人们的生活密切相关,是人们满足个性化要求的产物,随着信息时代的到来与蓬勃发展而发展,本篇论文就将对这种特殊的网络语言进行系统的归纳,分类,阐述它的价值,演变过程及对未来生活的影响等。     

新媒体背景下新闻记者采访工作的创新技巧研究

在信息时代,人们获取信息的渠道更加多样化,对新闻质量也有着更高的要求,这使得新闻采访人员面临更大的挑战和压力,同时也迎来了新的发展机遇,由此,新闻记者创新采访方式是必要的。本文首先分析新媒体环境下新闻记者采访过程的特点,其次分析新闻记者采访面临的挑战,再次分析新媒体背景下新闻记者需具备的新闻采访技巧的要点,最后探索新媒体背景下新闻记者采访工作创新的途径,以期为记者采访研究提供参考。     

OTDR事件分析和故障判断的研究与实现

随着光通信技术的发展,对光纤在线自动监测系统的需求越来越高,文章提出了一种采用小波分析定位光纤断点及反射事件的方法,并把用这种方法分析出来的事件形成专家事件分析库,来判断故障的位置.这些技术应用在TJTG型光纤在线自动监测系统中的实践表明,减小了测试盲区,提高了事件和故障位置判断的准确性.     

阻尼累加离散GM(1,1)模型及其应用

基于阻尼累加生成算子和离散灰色预测模型的思想,提出一类新的阻尼累加离散GM (1,1)模型,并详细给出模型的推导过程,从理论上分析与经典GM (1,1)模型、离散GM (1,1)模型以及最近提出的阻尼累加GM (1,1)模型的关系,探讨模型的稳定性和数据适用类型分析,并利用量子粒子群优化算法计算出最优阻尼累加参数.最后将所提出模型应用于两个实际案例,结果表明所提出的阻尼累加离散GM (1,1)模型的拟合和预测误差均优于上述基准模型.     

基于多季相Sentinel-2影像的白洋淀湿地信息提取

白洋淀湿地是华北平原上重要的浅水湖泊湿地,对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类,能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点,对白洋淀每个季节选取一期具有代表性的Sentinel-2影像,采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类,分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类,多季相影像的组合能够显著提高分类精度,春&夏季相组合能够得到最优的分类效果,相对单季影像总体分类精度提高了10.9%~25.5%,Kappa系数提高了0.09~0.29;SVM分类器的分类表现较为稳定,能够得到最高的平均分类精度,CART分类器在处理高维特征的能力不如随机森林和SVM;不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。