论文部分内容阅读
武警院校任职培训学员激励机制研究 ——以某武警院校为例
【出 处】
：
国防科技大学
【发表日期】
：
2020年01期
其他文献
海量数据对于训练传统有监督学习模型是一种巨大挑战,这是因为手动标注动态新增样本是不切实际的。此时无监督学习方法能发挥替代有监督学习方法的数据分析功能。在无监督学习中,聚类可直观地分析数据,其目标是将未标记的数据分成几类群簇,保证相似的样本聚集到同类群簇中。鉴于它的直观实际含义,聚类算法已被广泛应用于图像分割、模式识别和数据挖掘等任务。流形学习假设高维数据可以看成高维空间中的低维流形嵌入,因此很多聚
随着云存储技术的快速发展,其灵活便捷的存储方式吸引大量用户通过网络服务进行跨空间的远程存储操作。云存储服务在给用户带来便捷的同时,也带来了隐私泄露以及数据完整性损坏等诸多安全问题。如何保障云存储的安全性已经成为越来越多的学者研究的热点。仅对云端数据进行加密会导致原有的数据索引结构改变,因此难以在密文基础上进行数据搜索查询。可搜索加密技术的出现实现了如何在密文基础上进行检索,为保护云存储安全发挥着重
近年来,由于城市人口不断增长,环境污染、交通拥堵等“城市病”问题日益突出。为缓解城市问题,实现城市的可持续发展战略,国家大力倡导“低碳”、“绿色”的出行方式,共享单车孕育而生。短短几年间,共享单车发展迅猛,从开始的有桩共享单车发展到更加便捷的无桩共享单车。其中,mobike和ofo两家无桩共享单车品牌发展最广,对社会的影响最大。但是,由于共享单车的爆发式发展,导致共享单车在管理方面的滞后,使得共享
可视性,是指观察者视点对其他空间目标点的可见程度,所有可见目标点的集合,构成了当前视点下的可视域。可视域分析是空间分析中不可或缺的内容,也是地理空间认知研究的重要组成部分,被广泛应用于路径规划、导弹突防、景观分析、通讯基站选址等领域。随着测绘技术的不断发展和GIS数据的不断丰富,三维场景日渐复杂,技术发展、分析效果和场景应用的综合需求使得复杂三维场景的快速可视域分析成为当前的研究热点,对提高用户的
建模是飞行器进行仿真实验的基础。现代飞行器内在机理复杂,在飞行过程中表现出非线性、强耦合、时变等特性,使得传统的机理建模方法建立的数学模型难以满足应用要求。智能技术的发展为非线性系统建模问题提供了理论基础,研究人员可以从飞行器的半实物仿真试验和飞行试验中获得海量的试验数据,为飞行器数据驱动建模提供了数据基础。本文以小型无人直升机高度控制系统、电动舵机、航空制导炸弹为主要研究对象,围绕在线使用场景和