基于支持向量机的缓存预估模型的设计与实现

采用支持向量机(SVM)对网络业务流数据进行预测估计，通过训练样本，从而获得样本以外数据的分布规律。在此基础上，设计了一种网络排队队列缓存的预估模型。实验表明，该模型具有较高的训练效率和很高的估计精确度。     

基于 ResU-Net 的三维断层识别方法及应用

断层刻画了地层的边界位置,地震成像数据中反射层的不连续性可作为断层解释的主要依据。深度神经网络的强非线性性质可作为地震数据中断层不连续特征表达的有力工具,断层识别问题可视作一个像素级别的二分类问题,并使用深度学习方法对此问题进行建模求解。据此可给出一种端到端的基于深度学习网络的三维断层自动识别方法。首先利用地震子波与反射系数卷积合成多组三维地震数据,建立用于深度网络学习断层特征的样本数据,随后搭建网络进行训练,网络训练完成后应用于实际地震数据。鉴于残差模块可很好地提升网络泛化性能,所提出的将残差网络中的残差块结构引入U-Net中的方法,可用于提升通过合成数据样本训练得到的网络模型在训练数据之外,即实际地震数据上的断层识别性能。所建立网络用于断层解释时,输入为叠后三维地震数据,输出为相同维度的三维数据体,其中每一输出值代表输入三维地震数据相同位置处断层的概率。实际算例对比测试表明,此方法可对三维地震数据中的断层进行有效识别,在合成数据集上训练精度相差不大的前提下,引入残差模块的ResU-Net在实际地震数据上的断层识别泛化性能得到提升。     

神经网络在结构损伤模拟中的应用

识别一个结构在震动状态下的变化，在结构监测中是十分重要的，神经网络就非常适用于这种目的。本文研究了使用可分析的学习样本来训练神经网络的可行性问题。神经网络从损伤状态中训练产生，然后用于诊断一个五层钢框架在一系列震动模拟中的状态。结果表明，使用神经网络可使在线结构诊断更加可行。     

训练样本数目选择对面向对象影像分类方法精度的影响

面向对象遥感影像分类中的样本选择与基于像素的方法有很大不同,基于统计学理论,研究了面向对象方法的样本数量选择问题。首先,针对面向对象方法的特点,对影像特征空间进行分析,结果表明面向对象方法中要求训练样本的数量可以显著地减少。然后,在遥感影像分类实验中,借助样本数量与波段数目的关系,验证了理论分析的结果。     

基于大训练样本集的ε-SVR改进算法研究

在改进算法的研究中,从大训练样本集中进行样本抽样是构建大样本支持向量回归机的重要手段.根据ε-SVR支持向量分布的特有属性和支持向量逐步回归机算法求解ε-SVR的缺陷,为改善训练时间,优化收敛性,从大训练样本集中抽取的小样本集的ε-SVR超平面出发,通过计算大训练样本集样本点距近似超平面距离d,剔除大训练样本集中在ε≤d≤dmax外的训练样本点,逐步搜索SVs,建立大训练样本集ε-SVR.提出了构建大训练样本集ε-SVR的逐步搜索算法,理论分析和仿真实验验证了搜索算法的收敛性和有效性.     

基于日志信息的光通信网络流量预测研究

为了明确当前光通信网络流量预测过程中存在的一些问题,提出了基于日志信息的光通信网络流量预测方法。首先获取光通信网络服务的日志信息获取网络流量历史数据,并光通信网络流量数据进行预处理,建立光通信网络流量预测训练样本,然后引入灰色模型和神经网络建立光通信网络流量组合预测模型,以实现未来一段时间的光通信网络流量预测,最后的光通信网络流量预测实例分析结果表明,本方法根据日志信息可以挖掘光通信网络流量变化趋势,不但光通信网络流量预测精度超过92%,可以为光通信系统管理者提供有用的参考信息。     

基于多示例学习技术的Web目录页面链接推荐

在Web目录页面中,向用户推荐其感兴趣的链接有助于用户高效地访问网络资源.然而,用户往往不愿花费很多时间来标记训练样本,其提供的数据可能只能说明某个目录网页是否包含其感兴趣的内容,而不能明确标示出其感兴趣的具体链接.由于训练数据中缺乏对链接的标记,但预测时却需要找出用户感兴趣的链接,这就使得Web目录页面链接推荐问题相当困难.CkNN-ROI算法被提出用于解决该问题.实验表明,CkNN-ROI算法在解决这一困难的链接推荐问题上比其他一些算法更为有效.     

基于遗传神经网络的全天户外场景红外热像仿真

针对红外场景仿真中使用热力学方法对物体温度场建模的不足,将BP神经网络应用到场景中物体的红外温度场建模中,并通过遗传算法优化神经网络的初始权值.通过对场景中物体的表观温度进行多次测量,得到训练样本集合.然后训练神经网络,建立由车辆和路面组成的场景的温度场模型,并根据设定的气象条件分别对白天和夜晚场景进行仿真.根据仿真结果分析,此模型能够根据所设定的气象条件较准确地实时仿真场景的红外图像.     

基于自适应距离度量的分类器设计方法

通过对欧氏距离度量的分析,提出了自适应距离度量.首先利用训练样本建立自适应距离度量模型,该模型保证了训练样本到相同模式类的距离最近,到不同模式类的距离最远,根据该模型建立目标函数,求解目标函数,得到最优权重.基于最小距离分类器和K近邻分类器,采用UCI标准数据库中部分数据,对提出的自适应距离度量和欧氏距离度量进行了实验比较,实验结果表明自适应距离度量更有效.     

武器系统故障诊断中的推理技术研究

推理技术是故障诊断系统的核心,目前针对复杂系统的故障推理仍然是个难题,提出了将模糊神经网络与事例推理相融合的集成诊断模型,通过规则推理、事例推理和神经网络推理三个子系统的互相验证,既解决了事例推理不能得到最优解的问题,又解决了模糊神经网络训练样本难以选取的问题,将该推理方法用于某武器系统故障诊断,取得了较好地诊断效果.