基于支持向量机的武器系统效能的评定

简述了各种武器效能评定方法,建立武器参数效能模型,首先要挑选特征参数,文中采用知识约简方法选择武器的特征参数。利用支持向量机建立了参数效能模型,给出了实例和解决此同题的支持向量机源程序。通过实例与指数法和神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

基于粗糙集的支持向量机回归建模及应用

为提高船舶费用建模的精度,找出影响船舶费用建模的相对重要因素,减少各因素之间的相关性对费用模型的影响,提出用粗糙集理论改进支持向量机的建模方法。对数据进行一般约简,去除冗余信息,再进行支持向量机建模预测,建立费用预测模型。实例计算表明,粗糙集改进支持向量机方法的建模精度高,通用性强。     

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.     

基于差分进化支持向量机的作战效能评估方法

武器系统作战效能的评估具有重要意义。针对作战效能评估过程中影响因素复杂、小样本、非线性等问题,引入基于最小二乘法的支持向量机回归算法,用于作战效能的学习与预测。为了提高预测精度,引入差分进化算法进行支持向量机的参数优化选取。以地地导弹武器系统效能为例,分别采用 BP神经网络算法、经典支持向量机算法与本文算法进行仿真计算,结果表明差分进化支持向量机算法可很好地实现武器系统作战效能评估,具有较好的计算精度。     

基于支持向量机的柴油机燃油系统故障诊断

介绍了支持向量机（SW）的机理,应用SVM对柴油机燃油系统进行故障诊断,通过试验确定了SVM参数的选择方法．实践诊断结果表明,SVM具有较好的诊断效果,对故障样本诊断的准确度较RBF神经网络高．     

基于粗糙集和熵权以及改进支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集(RS)、熵权(EW)法、自适应粒子群优化(APSO)算法与加权最小二乘支持向量机(WLS-SVM)的组合预测模型应用于导弹备件消耗预测的构想。阐述了粗糙集、信息熵、自适应粒子群优化算法和WLS-SVM的基本原理,并改进了APSO的搜索方式和最小二乘支持向量机(LS-SVM)的加权方法;建立了基于RS、EW法和自适应粒子群优化WLS-SVM的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

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.     

基于支持向量机的手写体数字识别

支持向量机的手写体数字识别中,采用美国邮政服务数据库.并取多个2层神经网络中的最好者得出2层神经网络结果,专门设计5层卷积神经网络Lenetl.所有的结果均直接采用点阵输入,将像素值归正到相应区域间,且不施加任何预处理.该方法与人工分类、神经网络、决策树等方法比较,其测试误差低,测试速度高.     

基于多核优选的装备费用支持向量机预测法

针对支持向量机的核函数选择存在盲目性问题,提出多核优选的装备费用支持向量机预测方法。在不同核函数条件下,以提高推广能力拟合精度为目标,结合变步长多层次搜索算法选择最佳参数,确定拟合效果,通过判断选择最佳核函数。实例计算表明,多核优选的支持向量机预测方法精度高,通用性好。     

基于支持向量机的装备故障诊断研究

支持向量机（SVM）是统计学习理论（SLT）的一种成功实现,它建立在SLT的VC维理论和结构风险最小化原理基础之上,能够较好地克服神经网络容易出现的过学习和泛化能力低等缺陷.提出了一种基于支持向量机的装备故障诊断方法,应用该方法成功地对某型装备几种典型故障进行了正确诊断.在对检验样本施加噪声后,支持向量机构成的故障分类器仍然能够满足发动机故障诊断要求,表明提出的故障诊断算法具有良好的鲁棒性和推广性.     

基于粗糙熵的武器系统效能评估方法研究

针对粗糙集在非决策系统评价中的局限性,提出了一种基于粗糙熵的武器系统效能评估模型.论述了该模型的评估步骤,并结合实例进行了分析.结果表明,基于粗糙熵的评估模型有效、可行,解决了原有评估中存在的问题,提高了武器系统评估的客观性和正确性,为武器系统的发展论证和实际使用提供了科学的理论决策依据.     

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Rough集和回归型SVM的超视距空战威胁评估

针对现有超视距空战威胁评估方法的不足,提出了基于Rough集和回归型SVM的超视距空战威胁评估方法。该方法结合对超视距空战过程和影响参数的分析,构造了参战双方战机的态势、效能、事件、目标战役价值等优势函数,将导弹射程作为距离因素的一种引入威胁评估优势函数模型中,改进了距离优势函数,优化了方位角、进入角、能量、效能等优势函数,并将目标战役价值作为威胁评估的因素;然后采用Rough集的知识简约方法简约了各优势函数中的冗余信息,并采用回归型SVM实现了最终的威胁评估排序;经仿真计算验证,该方法合理、有效。     

基于粗糙集的空中远程作战信息对抗能力评估

为提高空中远程作战信息对抗能力评估的高效性,在合理构建评估指标体系的基础上,提出一种基于粗 糙集的能力评估模型。利用粗糙集理论分析测试数据,约简指标体系,确定指标权重,实现了对空中远程作战信息 对抗能力的评估,并对算例进行评估与分析。评估结果表明：该方法减少了评估计算量,提高了评估速率,能够使 评估结果更具客观性和真实性,对空中远程作战信息对抗能力的评估具有重要借鉴意义。     

基于粗糙集的空中远程作战信息对抗能力评估

为提高空中远程作战信息对抗能力评估的高效性,在合理构建评估指标体系的基础上,提出一种基于粗 糙集的能力评估模型。利用粗糙集理论分析测试数据,约简指标体系,确定指标权重,实现了对空中远程作战信息 对抗能力的评估,并对算例进行评估与分析。评估结果表明：该方法减少了评估计算量,提高了评估速率,能够使 评估结果更具客观性和真实性,对空中远程作战信息对抗能力的评估具有重要借鉴意义。     

基于粗糙集的装备维修保障能力模糊综合评判

建立了基于粗糙集和模糊理论的装备维修保障能力评估模型.该模型采用模糊方法将定量指标和定性指标值转化为模糊数,实现指标的一致化,并利用属性重要度理论获取指标权重,最后采用模糊算子进行评估计算.实例计算结果表明,该模型能够较好的利用以往的经验数据,兼顾指标的客观信息和评估者的主观判断,评估结论较为可信.     

基于粗糙集的武器系统灰色关联评估模型

针对灰色关联分析模型在武器系统评估中存在的不足,结合粗糙集理论,提出了一种基于粗糙集的武器系统灰色关联评估模型。论述了该模型的具体评估步骤,并结合实际鱼雷武器系统进行了应用分析。结果表明：基于粗糙集的灰色关联评估模型有效、可行,解决了原有评估中存在的问题,提高了武器系统评估的客观性和正确性,为武器系统的发展论证和实际使用提供了科学的理论决策依据。     

基于集对理论的航材保障效能分析及评估

航材保障是航空兵部队技术保障的物资基础,其效能直接影响空军武器装备的作战效能。通过应用集对分析方法在确定随机系统中的某一特性上具有同异反定量刻画的特点,通过建立各系统航材保障效能评估指标的集对,建立了航材保障效能评估指标体系,对航材保障效能进行分析与评估。通过实例计算,验证了集对分析方法对效能评估的有效性,为装备管理决策者制定航材保障方案提供了科学的依据。