基于支持向量机改进算法的船舶类型识别研究

利用船舶目标辐射噪声DEMON谱特征,采用改进的支持向量机算法,实现了对船舶目标的分类识别研究。针对支持向量机算法对噪声比较敏感和最优分类面求解时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数两方面进行了改进,提出了基于径向基核函数的齐次决策二阶损失函数支持向量机改进算法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶目标类型分类识别实验。理论分析、数据仿真与实验结果表明,该改进算法实现了在二次规划中的较少约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,是一种适合于船舶辐射噪声DENOM分类识别的有效的支持向量机改进算法。     

基于新核函数的支持向量机在物体分类中的应用

在基于视的物体识别中,将图像的局部信息引入到图像的相似性度量,提出了一种新的图像距离度量,并把它嵌入到支持向量机的核函数中,得到了一种新的核函数--基于局部卡方距离(Chi-square distance)的核函数.物体分类实验结果表明,新算法优于非线性支持向量机,区别张量一阶分解(DTROD),稀疏网络模型(SNW)等方法.     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

基于新核函数的支持向量机在物体分类中的应用

在基于视的物体识别中,将图像的局部信息引入到图像的相似性度量,提出了一种新的图像距离度量,并把它嵌入到支持向量机的核函数中,得到了一种新的核函数—基于局部卡方距离（Chi—square distance）的核函数。物体分类实验结果表明,新算法优于非线性支持向量机,区别张量一阶分解（DTROD）,稀疏网络模型（SNW）等方法。     

支持向量机在混合气体种类光谱识别中的应用

针对混合气体种类光谱识别中组分气体特征谱线重叠严重的问题,将支持向量机用于混合气体种类光谱识别中,提出了一种基于支持向量机二值分类识别模型的逐一混合气体种类识别方法。利用支持向量机的核函数变换,将特征谱线重叠严重的光谱在高维空间变换为线性可分后再逐一进行混合气体种类识别。在天然气气体种类识别实验中,比较了不同核函数、数据预处理、特征提取、训练样本数等条件与识别结果的关系,结果表明,方法对1%浓度以上的天然气组成气体的正确识别率大于97%,在理论和实际应用中具有重要的推广价值。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

层次型支持向量机人脸检测器

大量的数值实验表明，在非线性支持向量机中，核函数的选取对支持向量机性能的影响很大。核函数的选择一直是一个难题。本文利用遗传算法的全局优化能力比较并分析了多项式核函数和高斯核函数的检测正确率和支持向量个数两项指标，提出了一种层次型支持向量机人脸检测器。实验结果证明，本文的方法确实取得了较好的效果。     

基于核主元分析与纠错输出编码SVM的齿轮故障诊断

摘要：为提高齿轮故障诊断的准确率,提出了核主元分析和纠错输出编码支持向量机相结合的方法。首先采用基于核主元分析方法对原始样本向量进行预处理,实现对原始样本向量的降噪及冗余消除。然后采用基于纠错输出编码矩阵构造出若干个互不相关的子支持向量机,以提高分类模型的整体容错能力。最后,把经过核主元处理后的新向量作为纠错输出编码支持向量机的训练及测试样本,实现对不同故障状态齿轮的识别。结果表明,该方法能够提取更有效的分类样本向量,故障诊断效果更好。
     

基于支持向量机的油封缺陷图像检测方法

提出一种基于支持向量机分类的油封缺陷图像检测方法,把油封外观中的有无缺陷看作两种不同的类别模式,应用支持向量机对两类不同的样本采样学习,然后进行分类判断。采集油封各部位图像并进行预处理,利用算法切割出各个检测区域图像,根据油封主要部位的各类缺陷特点,选取不同特征参数。应用径向基核函数建立支持向量机识别模型,并通过实验实现核函数参数寻优。实验结果表明,该方法具有检测成本低、可靠性高、泛化能力强、容易在线实施等特点,具有实用推广价值。     

基于二叉树的LS-WSVM早期火灾多类分类研究

针对早期火灾信息特点,提出了一种基于二叉树的最小二乘小波支持向量机（Least squareswavelet support vector machine,LS-WSVM）多类分类方法.该方法首先把主成份分析用于早期火灾信息的特征提取.然后,把二叉树结构和LS-WSVM相结合,提出了基于二叉树的LS-WSVM多类分类模型,不仅避免了盲目分类和不可分情况,而且提高了分类速度和泛化能力.最后,用该模型对特征信息进行处理,从而实现了对早期火灾的多类识别.早期火灾分类实验结果表明,该方法比采用径向基核函数的最小二乘支持向量机多类分类方法具有更好的识别效果和更快的分类速度.     

基于粒子群最小二乘支持向量机的前视声呐目标识别

随着声成像技术的日益发展和广泛应用,利用图像声呐进行水下目标识别逐渐成为水声探测领域的重要研究方向之一。根据前视声呐图像的特性,提出了一种水下目标识别的方法。对声呐图像进行去噪和增强处理并分割图像,来获取目标所在区域、提取目标的区域形状特征;利用粒子群算法优化最小二乘支持向量机的正则化参数和核参数,构造出高性能的多分类器;输入待识别目标的特征实现分类。实验表明:优化后的最小二乘支持向量机能够准确、有效地识别出水下目标,并且具有较高的精度。     

基于多波束系统的水下目标近程回波亮点声图像

模拟多波束系统,仿真得到了水下目标的二维回波亮点声图像。先采用小分置角双基地目标回波特性计算的近场板块元方法,计算得到水下目标的传递函数。再根据多波束系统的理论,建立了水下目标回波亮点二维声图像的基本框架,实现了水下目标回波亮点二维声图像仿真。最后得到了水下目标不同方位角情况下近程二维回波亮点的声图像。     

嵌入注意力机制的卷积神经网络水声目标识别

针对低信噪比水声目标单一特征识别率低,稳健性差的问题,提出一种基于注意力机制和多尺度残差卷积神经网络（Multi-scale Residual CNN with Attention,MR-CNN-A）进行特征融合的识别方法。该方法根据多尺度卷积核与特征图形成多分辨率分析关系,并以此通过注意力机制实现优势特征权值提取与融合,从而提高模型在文中水声数据集上提取目标噪声特征和分类识别的稳健性与抗噪能力。开展了4类舰船噪声和海洋环境噪声的识别试验、水下和水面自主式水下航行器的识别试验,以及不同信噪比条件下目标噪声的识别试验。结果表明：对于文中所涉及的水声目标噪声和人工高斯白噪声干扰,该网络模型识别正确率明显高于支持矢量机与简单卷积神经网络,且对高斯白噪声的抑制能力远强于支持矢量机与简单卷积神经网络,稳健性好,模型复杂度小。     

潜艇目标尺度模拟方法与技术研究

潜艇目标尺度模拟研究是水中目标特性研究的一个重要课题。本文结合潜艇目标回波特性及探（反）潜设备目标尺度识别方法，提出了潜艇目标尺度模拟特征模型，并建立硬件系统予以实现取得了满意的湖上试验结果。     

基于改进小波阈值去噪的深度学习水下目标分类

由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现：在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。     

水下多层结构目标体的高频回声特性研究

水下装置很多都是多层结构。为准确预报其高频回声特性,提出平面元方法结合基于传递矩阵的多层结构反射特性计算方法的混合方法研究水下三维多层结构目标体的高频回声特性,并研究多层圆板、圆球和有限长圆柱等水下多层结构三维目标体的回声特性。计算结果表明,水下目标体的第一Fresnel波带表面的曲率变化平缓时,采用的方法和局部反应表面处理方法的结果是基本一致的。而第一Fresnel波带表面的曲率变化不平缓时,方法的计算结果更符合实际声学特性。     

一种基于投影层析方法的水下目标成像方法

投影层析是一种在几何上基于多角度投影实现目标与情景的像重构方法。水下散射目标具有数量众多、散射特性复杂的特点,为了有效探测到感兴趣的目标,需要重构出目标及所在情景高可靠分辨的像。因此,该文从逆问题求解的角度出发,分析了实现投影层析方法的物理条件及数学原理;并提出了一种水下目标投影层析成像的可行性方法及实现流程;通过在不同的扫描角度范围下的仿真进一步验证了投影层析方法对指定区域反射性目标探测的可行性。     

水下刚性角反射器散射特性

为了分析水下角反射器的声散射特性,提出了一种计算水下凹面目标散射声场的方法。采用ANSYS软件构建水下角反射器实体模型,再利用声学分析软件SYSNOISE对其远场散射声场进行仿真。计算了二面角反射器的目标强度,并与声束弹跳法和板块元法的计算结果进行对比,验证了该方法的适用性和精确性。对三面角反射器的散射特性进行了分析,得到了不同声波入射角度下的目标强度、目标强度随频率的变化规律以及散射方向图,结果表明,正方形角反射器的目标强度最大,三角形角反射器的散射宽度最大,角反射器目标强度不存在明显的频率效应。计算了八面角反射体的方向图,计算结果表明角反射器组合可以有效增大目标强度和散射宽度。     

水下小目标合成孔径声呐层析成像技术研究

水下小目标精细成像对于正确识别水下目标具有重要意义。目前,多波束成像声呐和条带合成孔径声呐是获取水下小目标图像的主要手段。水下目标的判别主要利用了目标图像的亮点特征,即使是同一目标从不同方位观测时得到的结果也可能差异较大,这给快速识别确认目标带来了困难。为解决该问题,提出了利用圆周合成孔径声呐对水下小目标进行水声层析成像信号处理方法,提高了声呐的多角度融合观测能力。仿真及试验数据处理结果表明,合成孔径声呐层析成像方法能够获得目标外形轮廓精细特征,有利于水下小目标的正确识别。     

尺度效应对水下合成射流推力特性影响研究

该文通过数值方法研究了尺度效应对水环境下合成射流推力及推进效率的影响,不同尺度下激励器的网格采用等比例缩放的方式得到,数值计算在fluent进行,且数值计算方法通过实验数据进行了验证。数值计算结果发现,当激励器尺度为0.1 mm时,推力曲线与速度曲线非常接近,此时平均推力及推进效率均较小。随着尺度增加,当激励器尺度大于1 mm时,推力曲线不对称度增加,且推力曲线的上升区间所占周期增加而下降区间所占周期减小,此时平均推力及推进效率都有明显提高。建立了合成射流的推力模型,该模型将合成射流推力分解为三部分:质量效应、加速效应及外部流场的压强效应。给出了不同尺度下的涡量图、速度分布图,通过对其分析可知,尺度较小时粘性作用较强,此时,内部流体的加速效应及外流场压强效应均很小,导致推进效率较低。随着尺度增加,粘性作用减弱,推进效率开始增加,当尺度增加到粘性可以忽略时,推进效率不再随尺度增加。