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.     

基于支持向量回归机的导弹平台调平过程模型辨识

针对某导弹平台调平过程难以建立解析模型的问题,根据平台调平过程历史数据,采用支持向量回归机分别对平台的俯仰角θ1、偏航角θ2、滚动角θ3、加速度计当量wx、wy、wz、调平输出当量Ct七个参数的时间序列进行模型辨识。利用参数的前5组数据作为输入,后1组数据作为输出,利用最小二乘法对支持向量回归机进行训练。仿真结果证实,支持向量回归机模型辨识预测误差2.56%,满足导弹平台调平过程建模要求。     

基于支持向量机的鲁棒故障诊断方法研究

针对生产过程中因扰动、噪声等因素引起误报率高的问题,文中提出基于支持向量机（SVM）的鲁棒故障检测方法.采用SVM对建模不确定性部分进行辨识,且将结果作为补偿项加到观测器中,使残差在理想情况下只表现为故障的形式,消除了干扰、噪声等对残差的影响.而在故障辨识中,文中对基于积极集法的回归型增量支持向量机（RISVM）进行研究,不断考虑新数据对辨识模型的影响,实现故障的在线辨识.最后通过仿真算例验证所提方法的有效性.     

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．     

基于支持向量机的预测控制算法

采用基于支持向量机的模型预测控制法来实现非线性模型预测控制.控制器设计采用改进MOUSE(Modifled Univariate Search)方法来解决非线性约束优化问题.其具体实现通过计算种群适应值函数、检查每个解是否满足约束条件、选取一定数量产生子代的种群计算相应适应值,更新设计变量等步骤完成.     

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.     

基于粗糙集和支持向量机的武器系统效能评定

首先利用粗糙集理论中的条件信息熵算法对系统特征参数进行了约简，提取出了关键特征参数，在此基础上再利用支持向量机算法对武器系统效能进行了评定．最后通过对弹道导弹武器系统效能进行评定，验证了该方法的有效性．     

地面低速目标与背景模式分类和识别方法研究

识别地面低速目标是无线电近炸引信信号处理研究的难点之一。研究了基于连续波多普勒体制无线电近炸引信的地面低速目标与地面背景的分类问题。在分析目标与背景时域与频域特性的基础上，利用线性分类器和支持向量机进行分类识别实验，结果表明所提出的方法是可行的。     

装备中碳纤维复合材料湿热老化的SVM研究方法

针对长期存储过程中复合材料老化会对武器性能产生影响的问题,以某型导弹所采用的碳纤维复合导电芯为研究对象,采用支持向量机对其湿热老化特性数据进行了处理。实验结果表明：该方法可为武器性能与寿命的评估提供决策参考。     

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.     

舵机系统传递函数的辨识

采用机理建模方法对舵机系统进行数学建模受到的限制比较多,如LVDT传感器、功放模块等非线性环节。采用实验建模的方法,利用试验测得的电动舵机的频率响应曲线来辨识出舵机系统的数学模型。经过仿真分析,比较得出采用的实验建模方法所建立的模型误差更小、更接近实际系统。     

基于参数优化的支持向量机战场多目标声识别

针对网格搜索支持向量机(SVM)参数的方法存在复杂度高、运算量大等不足,提出了一种改进的网格搜索SVM分类器的最佳参数选择算法。将其应用于战场多目标SVM分类器中,对该分类器与KNN分类器和改进BP神经网络分类器进行的分类对比实验表明,改进的网格搜索SVM分类器参数选择算法可以有效地减少SVM分类器的运算量、改进学习性能并提高识别率。     

基于离散模板精匹配的人脸识别算法

通过离散多模板算法可实现人脸图像识别的精匹配.先检测人脸图像边缘,并对边缘所有点进行最小平方椭圆拟合.根据嘴部的宽度和高度比例,给定域值,确定嘴部候选区域.然后运用训练过的支持向量机(SVM)分类器验证嘴部区域并进行嘴角定位.再采用离散多模板方法对嘴部进行匹配识别.在自建库和ORL库上试验表明,在验证率为91.2%、95.3%情况下,该方法可获得92%、97%的识别准确率.     

基于IPSO_LS-SVM 的国防科研项目概算价格估算研究

为解决国内在估算方法选择和模型性能优化上存在的问题,利用改进的粒子群算法优化最小二乘支持向量机(least squares support vector machine,LS-SVM)的参数选择方法,对国防科研项目概算价格估算进行研究.依据最小二乘支持向量机原理,通过优化其参数选择方法,建立了IPSO_LS-SVM概算价格估算模型,并对其进行模型训练和结果验证.结果表明:IPSO_LS-SVM方法估算精度更高,参数寻优速度更快,其估算模型具有有效性和优越性.     

基于改进YOLO 的不规范佩戴安全帽检测

为改善现有变电站巡检人员不规范佩戴安全帽检测时效率、精度低的问题,提出一种基于改进YOLO 的 轻量化变电站人员不规范行为检测模型。该模型由特征提取网络、ECA-SPP 和ECA-PANet 网络以及预测网络组成; 特征提取网络中使用MobileNetV3;提取4 个尺度的特征图并将其输入到SPP 和PANet 网络中,并基于注意力机制 进行优化;以建立的变电站人员不规范佩戴安全帽检测数据集为例,验证所提模型有效性。实验结果表明：所提模 型mAP 为0.824 4,FPS 为38.06,明显优于Faster RCNN、YOLOv4、YOLOx 等模型,具有较高精度和更快的检测 速度,可为变电站人员不规范佩戴安全帽的实时检测提供参考。