基于目标成本的标准成本管理

从目标成本法、标准成本法的特点分析出发，构建了基于目标成本的标准成本管理体系，提出了基于目标成本的标准成本管理体系的主要内容、基本思路，以及注意事项．     

国外复杂系统成本管理和成本估算发展概况

现代科技的飞速发展使复杂军工系统的性能和成本急剧增长,激烈的市场竞争要求我们提高成本管理和控制水平.以NASA为代表的西方先进国家军工行业广泛采用了持续的成本风险管理、成本为独立变量、全寿命周期成本、参数化估算法、挣值管理等成本管理和估算方法,取得了良好的效果.     

现代质量管理理论在保障分队训练管理中的应用

实施以质量为核心的目标管理是现代管理的主要特征。通用装备保障分队训练作为保障作战部队实现作战力量再生的重要实践活动,更加需要讲质量。运用现代质量管理方法对保障分队训练实施管理,对提高通用装备保障分队的保障能力具有积极的作用,是提高通用装备保障分队训练质量的可靠方法保证。     

数学形态学在机场目标识别中的应用

阐述了数学形态学的基本思想和基本运算，分析了机场目标的特点，设计了一种将数学形态学应用于机场目标识别的方法，通过Top—Hat变换、抽骨架、剪枝、阈值化等步骤，可以提取出机场跑道目标，实验结果验证了这一方法的正确性和有效性。     

关于新一代运载火箭成本管理的探索

随着用户对航天型号产品功能性能、技术先进性、生产工艺先进性等要求的不断提高以及原材料成本和生产制造人工成本的不断上涨,新一代运载火箭全寿命周期的研制费用处于不断上涨的状态。做好航天项目的成本管理,提升新一代运载火箭的竞争力变得尤为重要。首先分析了成本管理的现状,提出新一代运载火箭成本价格体系组成关系,并从成本估算、成本概算和成本控制3方面开展对新一代运载火箭成本管理研究的探索,为新一代运载火箭成本管理提供参考。     

Hopfield网络在声目标识别中的应用

利用Hopfield联想记忆特性对声目标进行识别,并用计算机对系统的工作过程进行了模拟,模拟结果证明了Hopfield网络用于声目标识别的可行性。     

声目标识别技术及其在坦克目标识别中的应用

根据随机信号理论、模式识别理论和人工神经网络技术，设计出一种以相关函数和数学期望为基本特片的声目标识别系统。将此系统用于现场实测的坦克信号识别，实现了坦克目标的自动识别。该方法具有快速及较好的识别性能。     

浅谈工业企业的成本预测和成本计划

本文从一个企业管理者的角度分析和阐述了成本预测和编制成本计划在企业管理中的重要意义，并对怎样作好企业的成本预测和编制成本计划工作进行了探讨．对企业决策者和管理者都有一定的借鉴作用。     

人工神经网络在目标声定向中的应用

人战场实际情况出发，建立了人工神经网络目标声定向系统模型。用两个人工神经网络提高目标定向精度；并用计算机对系统的工作过程进行了模拟，模拟结果证明了人工神经网络用于目标声定向中的可行性。     

深度学习在红外目标跟踪中的应用展望

近年来,深度学习算法研究持续升温,已经在自动驾驶、工业检测以及医疗等领域占据了主要地位。红外目标跟踪是红外导引的一项关键技术,然而,对于复杂的红外场景,已有的跟踪算法很难适用所有情况,跟踪效果遭遇瓶颈。本文通过介绍红外目标跟踪算法发展现状、基于深度学习的目标跟踪算法最新发展,分析了目前主流深度学习算法的优缺点,结合红外目标跟踪的特点和深度学习方法的工作思路,展望了深度学习方法在红外领域的应用前景及未来的工作方向。     

分布式目标参数估计在引信中的应用研究

在弹-目交会时，由于目标离引信较近，目标不能看成空间点目标，而是具有分布特征的体目标，这时常规点目标下的波达方向估计算法性能下降甚至完全失效。文中建立了这种情况下的分布式目标模型，提出了分布式目标的空间二维参数估计简化算法。计算机仿真结果验证了该算法。     

BP神经网络在空袭目标优选中的应用

空袭目标优选,应用改进的BP神经网络算法.即在空袭目标优选评估指标体系基础上,建立BP神经网络,通过定义学习代价函数、确定函数输出信号、修正函数信号.并通过网络初始化等改进BP算法,以激活函数敏感性,加速网络收敛.算例验证了该算法合理性,稳定性良好.     

数据挖掘技术在目标识别中的应用研究

提出了基于数据挖掘技术的水中目标识别方法。藉助提取目标噪声特征量及模式识别算法，研究了三类目标的特征量提取与选择，实现了相同工作情况下的目标聚类分析。最终取得识别效果是比较满意的。     

数据融合在战场目标识别中的应用

采用异类传感器系统之间的集中式数据融合技术可以提高战场目标识别的准确度。首先,简要介绍数据融合技术的基本理论;然后,阐述数据融合在战场目标识别中的任务;最后,应用集中式数据融合技术进行战场目标识别仿真,检验其可行性。结果表明,该设计取得了良好的分类结果,将在军事领域得到更加广阔的应用。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

改进型自适应滤波算法在目标跟踪中的应用

针对标准卡尔曼滤波在滤波数学模型与实际过程的数学规律不匹配,滤波特性较差的情况,提出了一种改进型的自适应卡尔曼滤波方法,并将其应用到目标跟踪中。仿真结果表明,与标准的卡尔曼滤波相比,其跟踪精度有了较大提高。     

地震波传播理论在目标探测中的应用

主要是针对地震目标探测的目的,通过对各种地震弹性波的对比研究,借鉴地震勘探的方法和技术,应用瑞雷波法对目标探测的可行性进行了理论分析和实验研究,并取得了较好的实验数据。     

可拓决策理论在目标优化中的应用研究

在分析了影响目标优化因素的基础上,建立目标优化可拓决策模型。然后结合某具体的目标优化问题,进行实际探讨,表明了应用可拓决策理论解决目标优化问题的可行性和有效性,为战时指挥决策者提供理论依据。     

数字技术及目标检测理论在引信中的应用

讨论了数字技术及检测理论对引信的处理速度及精度的提高所起的重要作用,介绍了一种已经投入实用的引信数字信号处理器     

粗神经元网络在辐射计目标识别中的应用

将粗糙神经元和传统神经元混合构造的粗糙神经网络,用于对毫米波辐射计回波信号的目标识别.其中粗糙神经元包含一对重叠的普通神经元,使用一对上下值作为输入和输出.对于实际应用中变量值是范围值的情况,用粗糙神经网络来开发模型,结果优于传统神经网络.仿真实验表明,该模型提高了目标的识别率和网络的收敛速度.