基于LS-SVM的飞机部件故障率预测

支持向量机具有完备的统计学习理论基础和学习功能。它用核函数建立预测模型,再用已知数据为学习样本训练学习机,用检验样本进行验证、预测系统未来故障。最小二乘支持向量机(LS-SVM)采用最小二乘线性系统作为损失函数,函数估计精度高、收敛速度快。基于支持向量机的多层参数寻优、等维信息一步预测和不等维信息多步预测,可用于飞机状态评估、故障诊断和参数预测以及故障率分析。     

基于RS理论的支持向量机分类模型

基于粗糙集(RS)的支持向量机(SVM)分类模型用RS预处理原始样本数据,通过属性和对象的约简消除输入样本数据冗余条件和样本,简化样本数据空间维数.预处理后数据作为样本数据训练SVM,其模型采用模糊离散.用C 编程实现仿真,选用RBF核函数训练SVM,仿真证明该分类模型提高训练速度和分类精度.     

基于支持向量机的舰炮自动弹库方案决策研究

针对某大口径舰炮自动弹库的多种方案决策问题,提出了基于样本特征加权支持向量回归机的自动弹库方案决策模型。分析了舰炮自动弹库系统方案选择的要求和原则,对系统决策因素集进行模糊量化,构造了舰炮自动弹库决策模型的输入样本。采用舰炮领域专家知识结构信息构造决策因素的权重向量。通过对系统决策因素集和决策方案非线性关系的辨识,建立了基于特征加权核函数的支持向量回归机的舰炮自动弹库方案决策模型。通过应用实例说明了利用支持向量回归机建立决策模型的决策方法有效性和实用性。     

一种基于Rough 集与SVM的目标识别方法

主要研究了基于粗糙集和支持向量机的模式分类技术,结合遥感图像中军用飞机目标识别进行了理论分析和实验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,对分类的性能进行了分析研究,利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出使用决策有向无环图支持向量机进行训练并对待识别目标预测。     

基于最大间隔超球分类器的柴油机异常检测研究

针对柴油机等机械故障检测中存在数据样本分布不平衡的问题,提出了一种最大间隔分离超球面的柴油机异常检测方法.分析了支持向量描述模型存在泛化能力差的缺点,结合最优分类超平面的优点,引入分离比例参数和异常类样本信息来权衡超球的描述精度和泛化性能,提出了运用支持向量个数和接受者操作特性(ROC)曲线下面积作为分类器性能评价指标...     

基于LS-SVM的装备研制费用建模与分析

应用最小二乘支持向量机原理建立基于最小二乘支持向量机的装备研制费用预测模型，利用LS—SVM方法对装备研制费进行预测步骤包括样本数据准备、模型训练学习、训练结果评估等循环过程，然后应用实例进行预测与分析。结果表明采用最小二乘支持向量机进行装备研制费用预测，所需样本量少、预测精度高、泛化能力强。     

基于V-支持向量机与ε-支持向量机的非线性系统辨识

介绍了V-支持向量机与ε-支持向量回归机的原理,并针对函数辨识问题作了仿真和比较,分析了其异同与优缺点.探讨了利用支持向量机进行非线性系统辨识的方法,仿真结果表明了V-支持向量机的有效性与优越性,并分析了V-支持向量机中参数V的变化对辨识结果的影响.     

基于Bayes准则的支持向量机

支持向量机( SVM)在处理分类问题时，纯粹从样本的角度出发，其分类效果取决于训练样本的特性，不考虑待分类问题的当前信息。本文从导弹武器系统的数据交叉现象出发，通过对支持向量机的决策函数增加反映待分类问题当前信息的先验概率项，将Bayes准则融于支持向量机算法中，提高支持向量机的分类效果；给出了算法的推导以及实现步骤。通过导弹武器系统中的两个实例对算法进行验证，新算法比传统支持向量机算法具有更好的分类效果，并且算法的鲁棒性和敏感性都得到提高。     

支持向量机核函数及优化研究

基于支持向量机的推广能力,提出选择核函数的依据.若训练样本总数一定,可采取减少支持向量数的原则减小分类错误率的产生,而减少支持向量的数量取决于核函数的选择.通过增大二次项系数的绝对值提高分类精度.实验验证改进后的核函数符合Vapnik的有关分类器推广性理论,有较高的分类精度和很好的普适性.     

基于粒子群算法优化最小二乘支持向量机的电路故障诊断方法

针对数／模混合电路故障的特点,采用将粒子群算法与最小二乘支持向量机相结合的故障诊断方法,在保证诊断过程准确率的基础上,实现多类故障的快速诊断。在诊断过程中,支持向量机的参数寻优过程存在随意性、盲目性和效率低等问题,采用改进的粒子群算法优化支持向量机的参数,建立基于支持向量机的故障分类模型。实验结果表明,与其他方法相比,该方法提高了故障诊断的精度,具有明显的实用价值。     

基于系统状态信息的可靠性分析方法研究

在无失效的情况下如何对产品进行可靠性分析，对于建立在失效数据分析基础上的现有可靠性理论来说，是一个有一定难度的问题。考虑到设备使用中可以方便地监测其系统的状态参数，本文提出了一种利用设备状态信息进行可靠性分析的方法。通过系统参数漂移量的统计分析，推导出基于参数漂移量的可靠度分析模型，以一个具体电子系统为例，说明了方法的实用性。     

支持向量机非线性辨识与控制概述

首先讲述非线性系统辨识的一般模型、基于支持向量机（support vector machine．SVM）非线性辨识的结构和SVM辨识与控制的优势、特点，然后阐述了SVM在控制中的应用，包括SVM在内模控制，SVM预测控制及多核SVM控制等，最后探讨了SVM本身在算法快速性，核函数的改进，错误惩罚参数选择以及在SVM中损失函数的选择上存在的问题。     

基于SVM决策树的数据链识别分类

摘要：为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数 据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波 系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类 器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明：SVM 决策树网络分类器在进行 收敛速度和准确率表现优异,能改善分类识别效能。     

基于DEA的装备技术保障综合效能评估

为评估装备技术保障单位的综合效能,提出了以数据包络分析法为基础的效能评估方法。将技术保障单位看作一多输入多输出的决策单元,依据装备技术保障单位的特点,构建评估指标体系,建立了基于数据包络分析法的计算机辅助决策方法,并进行实例验证。结果表明：数据包络分析法应用于装备保障单位效能评价是合理的、有效的。说明装备技术保障单位适宜利用数据包络分析法评估保障效能。     

基于DEA 的装备技术保障综合效能评估

为评估装备技术保障单位的综合效能,提出以数据包络分析法为基础的效能评估方法。将技术保障单位看作一多输入多输出的决策单元,依据装备技术保障单位的特点,构建评估指标体系,建立了基于数据包络分析法的计算机辅助决策方法,并进行实例验证。结果表明：数据包络分析法应用于装备保障单位效能评价是合理的、有效的,说明装备技术保障单位适宜利用数据包络分析法评估保障效能。     

贝叶斯证据框架下的支持向量机及其在陀螺漂移预测中的应用

将贝叶斯证据框架引入到标准支持向量机中去，研究了贝叶斯证据框架下标准支持向量机的参数调整方法，并具体研究了高斯核情况下参数的调整．利用获得的结论对陀螺漂移数据进行了预测．结果表明，该方法为参数的选取提供了一个统一的框架，克服了在样本改变的情况下标准回归支撑矢量机方法中某些参数只能凭经验通过交叉验证的方法进行频繁的手动调整的不足，且具有较高的精度．     

图形变换技术在汽轮机缸体表面打磨机器人系统中的应用

介绍了汽轮机缸体表面数控随形打磨机器人控制软件中的图形变换技术，用齐次变换矩阵实现了三维空间曲面在屏幕坐标上的任意轴测投影变换，为使用者提供了直观形象的加工工况和加工进度方案，用图形非线性变换技术成功地解决了多自由度控制点坐标的变换以及磨头姿态调节和恒压力磨削等难题，这些方法经过实际验证，行之有效。     

基于贝叶斯网络的天基信息支援装备体系作战效能评估方法

针对天基信息支援装备体系效能评估存在的问题,提出一种基于贝叶斯网络的天基信息支援装备体系作 战效能评估方法。构建基于系统动力学的仿真平台获取仿真数据,采用基于搜索的贝叶斯网络结构学习算法以及期 望最大化(expectaion maximization,EM)参数学习算法对数据样本进行学习构建贝叶斯网络模型,以正向推理、因果 追溯推理、阶段分析推理3 种方式进行作战效能分析;通过该模型深入分析海上方向远程精确打击移动舰船目标的 作战场景下天基信息支援装备体系中诸多影响因素之间的相互关系与影响程度。仿真结果表明：该方法应用在天基 信息支援装备体系作战效能评估具备有效性和可行性,能够为武器装备体系效能评估提供技术支撑。     

支持向量机在模式分类中的应用

通过支持向量分类算法包括4类：线性分界面硬间隔、线性分界面软间隔、非线性分界面硬间隔和非线性分界面软间隔，区分线性和非线性支持向量机是否引入核函数和具有惩罚因子。以RBF为核函数的非线性支持向量机对2类2维样本进行仿真分析。结果表明，支持向量机分类能力受核函数参数影响较大，当选取适当参数时，其分类性能与最近邻法相当。