基于近红外数据预测烟草淀粉含量的GA-SVR模型

近红外数据主成分降维后的因子筛选是建模的关键问题,一般是按照主成分贡献率的大小依次选择主成分因子。本文利用遗传算法进行主成分降维后的因子选择,然后利用支持向量回归方法建立烟叶中淀粉含量的定量预报模型。计算结果表明:用遗传算法和支持向量回归方法联合建模,对于训练集和独立测试集所得淀粉含量计算值与实验室之间的相关系数平方分别为0.91和0.90,结果优于利用主成分贡献率筛选变量后再用支持向量回归建模的结果。     

基于遗传算法的回归型支持向量机参数选择法

研究了遗传算法在回归型支持向量机参数选择中的应用：首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象;在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题,模拟实验证明,该方法克服了传统参数选择方法存在的缺点,提高了支持向量机的预报精度。     

基于GA 的SVM R 预测控制研究

研究高精度、有效、简单的信息预测模型是目前非线性预测控制需要解决的重要问题．SVMR建模方法简单、理论基础完备,所反映的是系统的非线性特征,在建立非线性模型中与神经网络等非线性回归方法相比具有许多独特的优点．为此,提出一种SVMR预测控制结构,利用SVMR建立非线性系统模型,利用GA进行滚动优化．实验证明,这种预测控制具有良好的非线性控制效果．     

用于图像恢复的基于SVR的自适应新滤波器的研究*

提出了一种用SVR回归器识别脉冲噪声的思想,并将其应用于图像滤波和恢复,形成了用于对脉冲噪声进行滤波的SVR自适应滤波器。这种滤波器在滤波时,先用SVR对待识别像素作噪声识别,再对含噪声的像素作中值滤波。用SVR作噪声识别时,先对滤波窗口作SVR回归,通过待识别像素回归距的大小判断其是否含有噪声。在进行SVR回归时,使用鲁棒的Huber损失函数。由于更充分地利用了待识别像素点的局部背景信息,这种滤波器提高了脉冲噪声识别的正确率。实验表明,在保留原图像的细节信息方面,其滤波效果要优于基于SVC的中值滤波器。     

基于GA-SVR模型的无参考立体图像质量评价

针对支持向量回归(SVR)中惩罚因子和径向基函数选取具有较大不确定性和随机性的问题,结合单双目信息与基于遗传算法(GA)的SVR优化模型,提出无参考立体图像质量评价方法。提取左右失真图像的单双目特征,将梯度幅值和拉普拉斯特征作为单目视觉特征。为更好地结合人类双目视觉特性,使左右图像融合成一幅独眼图,对独眼图提取空域自然场景统计特征。利用GA选择、交叉和变异等操作优化SVR参数组合,选出最优的参数组合,引入到SVR中预估左右图像质量。考虑到人眼对于左右失真图像的响应不同,通过增益控制模型融合左右图像质量,从而得到最终的质量评价值。应用该评价方法对宁波大学建立的立体数据测试库进行评价,结果表明其Pearson线性相关系数在0.95以上,Spearman等级相关系数值在0.94以上,与人类主观感知具有高度一致性。     

基于SVR的机动目标跟踪

本文研究了支持向量回归（SVR）在机动目标跟踪中的应用，并与传统回归方法最小二乘法（LS）进行了比较。实验结果表明，利用支持向量回归可以以很高的精度对机动目标进行跟踪，并且有着很强的适应能力，是一种有潜力的跟踪方法。     

基于加权系数寻优的回归型加权支持向量机

在加权回归型支持向量机中,由于考虑到不同数据对预测函数贡献程度的差异性,其预测效果往往优于标准的回归型支持向量机,该文针对现有回归型加权支持向量机使用中直接选择加权系数法存在的不足,提出了一种对加权系数进行优化的新方法。该方法通过选取曲率变化大、形式简单的幂函数作为候选加权函数,并采用格子搜索法寻找最优参数,从而可以确定出最优加权系数。仿真实验表明：在利用加权支持向量机训练时间序列数据集时,采用该方法确定最优加权系数,比目前常用选择加权系数的方法效果好。     

基于支持向量机回归的Lyapunov 指数计算方法研究

Lyapunov指数是描述动力学系统混沌性质的重要指标,在小样本条件下准确、快速地计算Lyapunov指数是一个难题.对此,提出一种基于支持向量机回归的Lyapunov指数计算方法,通过量子遗传算法对支持向量机模型的参数进行优化,推导了支持向量机回归应用于计算Lyapunov指数的公式.通过对混沌序列进行仿真实验,仿真结果表明,在小样本数据情况下,此方法可行有效.     

某型武器网络化虚拟训练系统

为提高某型武器的训练效率,综合使用多媒体、数据库和网络技术构建某型武器网络虚拟训练系统。给出了该系统的功能设计和实现方法。系统将学习功能、虚拟训练功能和考试功能合为一体,通过综合FLASH和3DMAX软件的优点,实现了武器技术准备和战斗使用全过程的网络化虚拟训练。该系统对于利用网络资源,提高训练效果有较高的实用价值。     

鱼雷武器系统基地级维修时间的模糊灰色模型

鱼雷武器系统3级维修中，基地级维修费用最高。为了合理利用资金，需预测基地级维修时间。根据模糊理论的思想，提出了灰色GM(1,1)模型的拓广形式——灰色AGM(1,1,ω)模型，并用层次分析法来确定最优加权因子，结合实例建立了鱼雷武器系统基地级维修时间预测模型。结果表明，这种方法能达到令人满意的精度，具有实用价值。     

基于模糊分类关联规则的分类系统

为了构建高性能的分类系统,应用模糊集软化数量型属性的划分边界,提出了模糊分类关联规则的挖掘算法。由于模糊集能很好地贴近人类的思维方式,因此挖掘得到的模糊分类关联规则易于被人理解．接着提出了基于模糊分类关联规则的分类系统,并采用遗传优化算法训练分类系统．实例分析的结果表明,基于模糊分类关联规则的分类系统具有较好的精度和可解释性．     

基于GA-SVM逆系统的机械臂内模控制

六自由度机械臂系统具有强耦合、多输入多输出、非线性的特性,且难以求解精确的动力学模型。针对上述问题,提出了一种基于GA-SVM逆系统的六自由度机械臂内模控制方法。将逆系统方法用于六自由度机械臂的解耦可以有效简化控制器的设计,为了避免逆系统方法复杂的解析过程,采用基于支持向量机(SVM)辨识逆系统模型以实现解耦,并用遗传算法(GA)优化SVM系统参数以提高模型的准确性。同时,为了弥补SVM辨识逆系统的误差以及抑制系统存在的扰动,设计内模控制器以保证系统的鲁棒性和稳定性。实验结果表明,该方法不需要知道六自由度机械臂的数学模型和内部结构,也能实现各关节位置的快速精确定位控制,且具有良好的鲁棒性,结构简单,需要调节的参数少,易于工程实现。     

基于混沌遗传算法的维修保障资源优化方法研究

维修保障资源优化集成作为保障资源分析的一个关键问题,是一个典型的集合覆盖问题,属于经典的N-P难题;针对现有优化方法存在的不足,通过对保障资源优化集成问题的分析,提出一种基于混沌遗传算法的保障资源优化方法;算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化;以C17电路为例,对算法的有效性进行了验证,结果表明,与传统方法相比较,该方法搜索速度快,优化效果明显,该方法已在工程实践得到应用。     

基于概念格的核心武器系统判定

对核心军事任务进行分解,建立核心武器系统能力对核心军事任务的支持矩阵,构成核心武器系统作战任务一能力概念格,获得支持核心作战任务所需要的能力。建立核心武器系统种类对核心军事任务的支持矩阵,进而形成核心武器系统与能力的概念格,分析核心武器系统集的问题,确定完成核心军事任务所必须的核心武器系统。     

基于模糊关联规则和遗传算法的入侵检测

针对现行入侵检测系统的特点,提出一种基于模糊关联规则和遗传算法的入侵检测算法。通过实验结果分析得出,该方法比遗传算法和模糊关联规则算法具有更高的准确率和更好的收敛性。     

一种高效的关联规则维护算法研究与实现

关联规则挖掘是数据挖掘领域中的重要研究内容之一。由于数据挖掘的过程是动态交互的,因此对已经发现的关联规则进行维护更新显得非常重要。提出了一种实用的在支持度和置信度不变的情况下数据集规模减小的负增量关联规则维护算法。算法在如何减少数据集的扫描次数,如何充分利用现有的信息减少候选集的规模等方面进行了研究,给出了算法的具体实现。理论分析和实验结果表明算法是有效的。     

基于COMET的武器控制系统建模

针对武器控制系统典型的并发、实时应用,遵循COMET的开发流程,建立武器控制系统的需求模型、分析模型和设计模型,构建基于并发任务和连接器的软件体系结构。介绍系统各模型的建立过程,给出各模型的图形化表示,运用实时调度理论分析并发任务可调度性。结果表明设计的并发任务满足可调度性要求。