基于多目标蚁群优化的单类支持向量机相似重复记录检测

为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。     

基于三维GMRF的多光谱图像自适应目标检测

针对常见的多光谱目标检测算法仅利用光谱信息的局限性．提出一种移动窗口局部异常自适应检测方法。采用加性目标信号和非结构化背景模型描述多光谱图像数据；基于谱间相关性和空间相关性．利用三维高斯马尔可夫随机场（GMRF）模型估计背景数据二阶统计量的逆．最后通过广义似然比检验实现了自适应目标检测。仿真试验及其理论分析表明了算法的有效性。     

LS-SVM的矩形窗算法及其在非线性系统建模中的应用

最小二乘支持向量机是支持向量机的一种重要方法,但该方法不能用于在线辨识,并且可能导致计算膨胀问题.将最小二乘支持向量机与矩形窗算法相结合,可形成最小二乘支持向量机的矩形窗算法.由于该方法采用了在线递推,可有效克服坏数据对参数估计的影响,并可避免计算膨胀问题,提高了最小二乘支持向量机的计算速度.最后将该方法应用于非线性系统的建模中,仿真实例验证了该方法的有效性.     

反无人机图像导引头远距空中目标探测技术

以低成本反无人机制导弹药为研究背景,开展针对远距无人机目标探测的研究工作,并设计一种局部视觉显著聚类测量算法。将局部对比测量思想引入可见光图像中,通过度量局部成像域的光谱聚类性实现对目标的检测,更具体的是度量局部像域的平均光谱值与相邻像素光谱值的最小距离。为解决多尺度目标问题,设计相应的多尺度滑窗测量方法。对原始RGB图像帧进行分频中值滤波,将滤波后的RGB图像转换到Lab颜色空间;通过滑窗模型进行无人机成像域搜索;使用显著性检测方法度量光谱差异性,得到显著测量图;利用阈值化算法获得潜在无人机目标的像素位置。根据无人机目标成像条件,开展远距无人机图像数据集的实地拍摄和人工合成工作。定性实验结果表明局部视觉显著聚类测量算法可在复杂背景下将小尺度无人机辨识,定量实验结果表明该算法的检测准确率可达到100%。     

基于低概率检测的高光谱图像有损压缩方法研究

高光谱图像海量数据的不断增加迫切需要实现大比例的有损压缩。现有方法往往不能满足重要信息准确保留的要求。文中提出结合区域分割和低概率异常检测（LPD）算法的数据有损压缩方法,用空间聚类实现区域分割从而提取大块区域包含的背景光谱。LPD算法用于检测场景中低概率出现的奇异目标,接着对背景光谱和奇异目标光谱进行无损压缩,最后对整个数据立方体进行大比例有损压缩。AVIRIS高光谱图像的仿真结果表明．压缩比得到大幅度提高。同时准确保留了重要和主要信息。     

基于二次分割的港口舰船目标检测方法

针对光学遥感图像中港口舰船的纹理、灰度特征与码头十分接近,直接分割相对困难的问题,提出了基于二次分割的港口舰船目标检测方法。该方法首先将Top-hat算子引入分水岭分割算法中,解决了分水岭算法过分割现象,同时获得较完整的海陆分离结果;其次对分割后的陆地区域使用Freeman链码进行轮廓描述,并结合改进的Hough变换进行目标区域的分离,通过二次分割有效地将码头与舰船分开;最后,计算各区域的面积实现港口舰船的识别。实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以解决港口舰船目标的检测问题。     

基于磁梯度张量的磁目标模式识别方法

针对目前地下小型磁目标形状识别局限于磁测数据的反演,受测量精度影响大,识别效果不理想的问题,提出了基于磁梯度张量和支持向量机的地下磁目标模式识别方法。该方法将机器学习的方法引入地下磁目标识别领域,利用量子粒子群改进的支持向量机(QPSO-SVM)识别地下小目标的形状。同时从样本信号中计算并分离出基于磁梯度张量矩阵的9个特征量联合识别磁目标,并对磁异常数据进行化极和延拓处理,提高了数据质量,使数据特征更突出。仿真和实验结果证明,本方法克服了重磁数据正、反演过程中大量的公式推导和计算,降低了对磁测数据精度的依赖,提高了识别正确率。     

一种新的空谱联合稀疏高光谱目标检测方法

目标检测是高光谱数据处理的重要应用之一,高光谱图像中空间和光谱信息的充分利用对于目标检测率的有效提升非常关键。提出一种新的联合稀疏表示的目标检测方法,将混合范数理论和算法应用于高光谱目标检测,在联合高光谱图像空间和光谱信息的基础上,建立了基于联合稀疏性约束的混合范数正则化数学模型,并利用交替方向乘子法对模型进行了优化求解。仿真实验结果表明,该方法能有效提高高光谱目标检测的准确性,降低虚警率。     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

基于改进的OCSVM 算法的工控网络异常检测算法

为提高工控系统异常流量检测能力,设计一种结合孤立森林(isolation forest,iForest)和单类支持向量机 (one-class support vector machine,OCSVM)的混合算法。采用孤立森林算法检测训练数据中的离群点,将离群点剔 除以降低其对单类支持向量机决策函数的影响;基于正常数据训练单类支持向量机模型,结合特征选取和参数优化 进一步提高异常检测模型的检测率。实验结果表明：在燃气管道数据集上,该算法模型的检测率提高至92.51%,特 别是对异常行为的召回率和查准率上升,优化了异常检测模型的性能,满足可靠性要求。     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。     

基于支持向量数据描述的火炮自动机故障状态监测技术研究

针对火炮自动机故障状态监测问题,提出了一种基于支持向量数据描述的故障状态监测模型。利用搭建的自动机振动测试平台获取自动机振动信号,采用变模态分解方法将振动信号分解为多个本征模态分量,计算各个分量的样本熵值作为故障特征,并以正常状态下的自动机故障特征为训练样本进行SVDD模型的训练,训练过程中根据模型特点找到合适的模型参数,完成自动机状态监测模型的构建。在自动机测试平台上设置多种预制零件故障进行模型的验证,结果表明所建立的状态监测模型对异常状态的发生有很强的敏感性,具有较高的检测准确率;同时设计了关重件模拟性能退化试验,试验结果验证了所提出的模型具有良好的早期故障检测能力,可较为准确地反映自动机故障性能退化过程,可为火炮自动机故障状态监测提供一定的借鉴和指导。     

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...     

基于子集差分思想密钥管理方法改进

基于子集差分思想( SD)的密钥管理方法能够有效适应MANET网络成员多变的特点。通过使用伪随机数生成器可以在原有SD方法的基础上有效降低系统密文的传送量;SD方法中的密钥发送者必须要对废除用户的所有组合进行检查,整个检查过程一般需要花费O(r3)个时间长度,为了解决SD方法时间耗费长的问题,提出了通过节点索引方法未有效降低搜寻时间的方法,该方法能够使系统的整个搜寻时间降为O（rlogr×logn）;对系统成员丢失密钥的情况给出了分析,提出了具有自我恢复功能的SD密钥管理思想;给出了该方法的具体实现过裎并对系统性能进行了分析。     

一种改进的自适应增强-支持向量回归机的故障预测方法

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025. 实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。     

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.     

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明：在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。     

合成孔径雷达围像特征关键度分析与分类算法研究

针对合成孔径雷达( SAR)图像目标分类问题，从灰度和纹理特征分析出发，提出了一种SAR图像分类特征量的关键性度量指标。利用关键系数的概念定义了关键特征量、次关键特征量、非关键特征量和关键度。从灰度模型和纹理模型的特征统计量中选择关键度高的特征量，如灰度模型中的均值和方差、纹理模型中的角二阶矩、对比度、均匀性和相关性。针对SAR图像分类往往是多类别、多特征的情况，通过构造特征向量，定义向量距离，按照最小距离方法进行目标分类。为了提高计算速度和更好地描述特征量，引入了窗口方法。仿真和计算结果表明该方法行之有效。     

基于改进Haar-like 特征的压缩跟踪算法

针对原始算法特征可能出现的特征无法准确表达目标特性的问题,提出一种改进Haar-like特征的压缩跟踪算法。原始算法利用正负样本训练构造分类器,利用分类器对候选样本判定,得到最高分类器响应样本就是目标。进行重采样以更新分类器为下一帧做准备,对出现的问题,使用了一种新的图像特征来表示目标特性,同时加入一系列策略处理样本,去除那些与目标差异较大的样本,并进行仿真。仿真结果表明:该算法不仅提高了分类器对于正负样本的判别性,也降低了算法的计算复杂度,提高了算法的实时性。