基于SVM的移动机器人路标识别算法

提出一种基于支持向量机的移动机器人路标识别算法,其利用SVM分类器对大量的交通标志进行识别。该方法对于场景光线强度变化,图像存在形变以及路标存在阴影遮挡和距离较远等情况都具有学习能力与容错性。实验结果表明,基于SVM的移动机器人路标识别分类器在复杂的室外环境下是有效的、具有鲁棒性的。     

基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.     

基于粗集的SVM算法在空袭目标识别中的应用

在现代防空作战中,如何快速准确对敌我目标进行识别,至关重要。本文结合粗糙集和支持向量机算法建立了基于粗糙集的SVM增量学习模型,提出了基于快速求核和集合近似质量的粗糙集属性约简算法,改进了SVM增量学习算法。试验结果表明,算法正确有效,模型符合现代防空作战中对目标识别的要求。     

基于SVD和SVM的核素识别算法

针对基于寻峰方法的 γ能谱识别方法对高本底、低探测率的复杂 γ能谱解析特征不显著、准确率低等问题,提出一种基于奇异值分解和支持向量机的核素识别算法.通过将1维能谱变换为2维图像,使用奇异值分解提取特征向量,将其作为支持向量机的输入构建分类器.实验结果表明:该方法对典型核素的识别率达到98%,并且能识别混合核素样本的组成成分.该方法降低了对探测器精度要求和参数设定的影响,提高了混合核素的识别能力.     

巡航导弹飞控数据链图像压缩编码方案及算法实现

针对巡航导弹飞控数据链系统中“人在回路”末制导方式图像传输特点,设计了飞控数据链图像压缩编码方案,并对基于小波变换的SPIHT算法进行改进,实现了算法的并行化。仿真结果表明,该方法压缩效率相对较高,更易于硬件的实现,在满足飞控数据链大于15倍压缩率要求的情况下,恢复图像人眼主观判图效果好,峰值信噪比PSNR达到约35dB。     

基于模糊超球面SVM的雷达高分辨距离像识别

高分辨距离像(HRRP)分类是对雷达复杂目标分类的一种重要方法.标准的一对一超球面SVM多值分类方法需要训练k(k-1)个子分类器,计算量大、训练时间长,并且存在决策盲区,不适宜用来进行HRRP目标识别.为了减少分类器数量,提高训练速度,文中根据超球面的几何特征引入了一种“倒数对称”的一维隶属度,构造了模糊超球面SVM分类器,该方法仅需训练k(k-1)/2个子分类器,既提高了训练速度又解决了决策盲区,HRRP实测数据识别实验表明了该方法的有效性.     

一种基于SVM 的航舵故障诊断方法

针对舵机故障样本数量不足、诊断知识不完备的实际情况,提出一种基于支持向量机(support vectormachine,SVM)的故障诊断方法。根据航舵故障输入输出映射非线性的特点,分析SVM的分类机理,对基于SVM的故障诊断步骤进行介绍,解决了小样本模式的分类问题,并通过仿真对该方法的有效性进行验证。仿真结果表明:该方法对舵机故障分类准确性可达92%。     

基于多小波能量谱与SVM的导弹惯性器件故障预报

针对利用时域信号进行故障预报精度低的问题,提出一种基于多小波能量谱与支持向量机(SVM)的故障预报方法.该方法以信号在多小波域上分解形成的能量谱作为故障的诊断特征,通过距离评测准则选取最优多小波能量谱特征子集.最后将最优特征作为样本训练支持向量机.利用训练后的SVM进行故障预报,试验结果表明多小波能量谱能更有效地反映惯性器件故障特征,利用SVM与多小波能量谱结合可以得到更好的预测精度.     

基于SVM的航空兵空运转场载机架次预测研究

分析影响载机架次的主要因素,利用支持向量机(SVM)理论建立非线性回归模型,通过反复试验和网格搜索算法确定预测模型的核函数及参数,进而对载机架次进行预测.预测结果表明:同BP神经网络预测模型相比,支持向量机预测模型具有良好的泛化能力及准确的预测结果.     

基于SVM 的导弹自由飞行阶段可靠性评估

为更好地评估巡航导弹自由飞行阶段的可靠性,对小样本回归问题进行研究。首先对实验数据进行特征选择与提取得到学习样本,在此基础上利用支持向量机（supportvectormachine,SVM）方法进行可靠性评估研究,然后通过仿真实验对比神经网络与支持向量机2种方法的评估效果。结果证明：SVM的训练学习效率更高,同时能够保证较好的泛化性能,提高自由飞行阶段可靠性的评估效果。     

基于决策树的海战场舰艇意图识别

通过对以往战场舰艇意图识别经验的学习,采用信息熵理论建立舰艇意图识别决策树。通过对舰艇意图识别历史数据的分析,将识别错误的元组更正后加入历史信息库,重新建立决策树,使该方法具有一定的自学能力,并通过实例进行仿真分析。结果表明,该方法具有一定的自学能力,意图识别的准确率会随着决策树的学习逐渐提高,在一定程度上克服战场目标意图的欺骗性。     

基于数据挖掘的防空导弹飞行故障模式决策树

为获得防空导弹飞行故障模式,立足靶场近50年来飞行试验数据,分别以导弹的三大类型(指令制导类、便携式、导引头制导类)及整体为样本,利用数据挖掘模型获得故障模式决策树以及相关性网络,由此得到导弹故障模式的预测判定模型.相关性网络比较结果表明,故障模式可靠.这可用于导弹飞行试验故障分析.     

基于1D-CNN 的弹链运动加速度分类与识别

针对人工判读研究弹链运动规律时存在过程复杂、效果不佳的问题,结合弹链运动加速度的1维特性,提出一种基于1D-CNN的弹链运动加速度分类与识别方法。基于Keras深度学习框架搭建1维卷积神经网络模型(1D convolutional neural network,1D-CNN),对小口径自动炮射击试验中获取的弹链运动加速度信号进行数据预处理并制作训练集和测试集,利用训练集和测试集对1D-CNN模型进行训练和测试。结果表明:利用1D-CNN模型可实现弹链运动加速度信号的分类和识别,准确率在84%左右,达到了预期效果。     

基于决策树算法的IT专业就业模型

针对当前高校毕业生就业困难、人才培养方案不能适用社会需求等问题,对基于决策树算法的IT专业就业岗位和知识需求聚类模型进行分析。基于大数据技术,以IT专业学生就业及社会招聘信息为例,通过爬虫技术进行数据挖掘,并对数据进行爬取、清洗、存储等操作,获取包括岗位、工作地点、薪资、学历、工作经验、知识技能等属性的数据集合。根据特征集合及数据集合,采用ID3算法,以最大信息增益为目标,构建基于决策树算法的IT专业就业岗位和知识需求聚类模型。试验结果表明,该模型可促进IT人才资源科学管理与决策、解决高校IT专业毕业生就业难、提高高校IT人才培养水平。     

基于核函数支持向量机的雷达辐射源识别

文中针对雷达辐射源信号环境复杂导致的正确识别率较低的问题,提出了基于支持向量机理论的雷达辐射源识别方法,并构建了基于多种核函数支持向量机的雷达辐射源分类器。通过在不同噪声环境下进行仿真实验,证明了支持向量机理论在雷达辐射源识别中的有效性,并比较了多种核函数支持向量机的识别效果。     

隐马尔可夫模型和支持向量机混合模型声识别

为弥补单一模型在识别低空飞行目标时的不足,进一步提高低空飞行目标的识别率,提出一种基于HMM和SVM混合结构的低空飞行目标声识别算法.针对战场环境下声信号的特点,算法综合考虑HMM适合处理连续动态信号及SVM小样本情况下的强分类能力,利用HMM处理待辨识的连续动态信号,将HMM易混淆的信号作为与待辨识信号较为相似的模式类,形成候选模式集,再由SVM在候选模式中对待辨识信号作最后决策.实际数据的识别结果表明相对于单一的HMM和SVM,混合模型的识别率有一定的提高.     

超视距空空导弹数据链系统的故障模式分析

进行超视距攻击,必须采用中段惯性制导和末段主动制导相结合的复合制导体制。为了提高末段制导导引头的截获概率,需用数据链系统将载机雷达测得的目标数据送给导弹,对导弹的中段惯性制导进行修正。本文简要介绍了数据链系统的功能和原理,建立了数据链系统的故障树,并对数据链系统出现的故障模式进行了分析。     

基于粗糙决策树模型的复杂设备智能故障诊断

提出一种粗糙决策树智能故障诊断方法。首先利用粗糙集理论构建故障诊断决策表;然后应用最小熵离散算法对特征数据进行离散;接着利用基于分辨矩阵的算法对决策表进行属性约简,并基于最大聚类比原则优选出最佳约简;最后利用C4.5算法构造出诊断决策树。并对实例进行故障诊断。结果表明：该方法不仅能有效地减少特征数据获取的工作量,而且能快速准确地实现故障识别,具有比粗糙集诊断法、粗糙决策诊断法和C4.5诊断法更强的工程实用性。     

基于进化式专家系统树的无人机空战决策技术

为解决传统专家系统方法无法应付非预期情况的问题,提出一种进化式的专家系统树方法来研究空战决 策。以中距空战为例,建立2 维典型空战模型,将遗传算法和专家系统相结合,建立进化式专家系统树框架和战术 决策系统,并在一对一空战场景下对所建立的方法进行仿真验证。仿真结果表明：该方法通过在多种战场设定下对 决策规则的离线进化,使决策系统可根据战场情况做出调整,在己方飞行性能不占优势的情况下达成制胜目标。     

基于卡尔曼滤波算法的数据链延时补偿

为了减小数据链信息传输处理延时对空战态势判断的影响,将预测滤波技术应用到数据链系统中。研究了直角坐标系下的卡尔曼滤波算法,采用"当前"统计模型来描述目标的机动加速度,在数据链信息传输过程中增加了延时补偿和数据处理,并通过坐标变换将态势信息转换到极坐标系下以适合雷达测量需要。仿真结果表明,应用卡尔曼滤波补偿后系统误差显著减小,大大提高了空战态势的判断精度,取得了比较理想的效果。