基于神经网络的支持向量机学习方法研究

针对支持向量机（Support Vector Machine,SVM）对大规模样本分类效率低下的问题,提出了基于自适应共振理论（Adaptive Resonance Theory,ART）神经网络与自组织特征映射（Self-Organizing feature Map,SOM）神经网络的SVM训练算法,分别称为ART-SVM算法与SOM-SVM算法。这两种算法通过聚类压缩数据集,使SVM训练的速度大大提高,同时可获得令人满意的泛化能力。     

基于主动学习的模式类别挖掘模型

在实际应用问题中,由于客观世界物质的多样性、模糊性和复杂性,经常会遇到大量未知样本类别信息的数据挖掘问题,而传统方法往往都依赖于已知样本类别信息才能对数据进行有效挖掘,对于未知模式类别信息的多类数据目前还没有有效的处理方法.针对未知类别信息的多类样本挖掘问题,提出了一种基于主动学习的模式类别挖掘模型(pattern class mining model based on active learning, PM_AL)来解决未知类别信息的模式类别挖掘问题.该模型通过衡量已得到的模式类别与未标记样本间的关系,引入样本差异度的方法来抽取最有价值样本,通过主动学习方式以较小的标记代价快速挖掘无标记样本所蕴含的可能模式类别,从而有助于将无类别标记的多分类问题转化成有类别标记的多分类问题.实验结果表明,PM_AL算法能够以较小的标记代价处理无类别信息的模式类别挖掘问题.     

济南战役纪念馆体内布索预应力网架设计

以工程设计实例为背景,探讨了预应力索在网架结构中的作用并介绍了一种新型的布索方案--体内布索.体内布索可以提高结构的承载力和刚度,能更好地满足建筑功能、室内效果及索的防火、防腐等要求,还可以通过求解最佳预应力值和优化杆件截面设计使结构更加经济合理.     

地空导弹武器系统雷达装备电子对抗分析

对地空导弹武器系统所面临的各种干扰样式和对抗方式进行了分析,对未来防空作战中提高地空导弹武器系统雷达装备电子对抗能力提出了意见建议。     

粘合树脂在阻燃钢丝绳芯输送带胶料中的应用

研究粘合树脂在阻燃钢丝绳芯输送带胶料中的应用。结果表明：加入粘合树脂后,钢丝绳芯胶的焦烧时间和胶料在钢丝绳中的渗透时间延长,胶料粘合强度保持率更高,输送带安全性提高;静态粘合强度与橡胶基体的强度有关,动态粘合强度为橡胶-钢丝绳粘合层破坏强度,可以更准确地反映粘合树脂与钴盐并用的增粘效果;在阻燃钢丝绳芯输送带芯胶中应用粘合树脂HT1005效果更优。     

火药温度模拟测量装置设计

研制与某火箭炮推进剂温度变化特性曲线一致的替代材料,并模拟发动机装药结构进行结构设计;在此基础上,通过设计的药温实时测量装置测量该推进剂相似体,间接获取火箭炮推进剂的温度,并将数据通过串口实时可靠地传送到火控计算机用于弹道解算;该测量装置以单片机 AT89S52作为主控芯片,为保证可靠性,有效利用了单片机内置的看门狗模块,温度测量利用单总线测温元件 DS18B20实现,测量结果由液晶显示器显示;试验证明：药温测量精确度等各项性能指标均达到要求,完全可以满足现代火炮和火箭炮对数字化和信息化的要求。     

基于小波能量特征的尾流光信号特征研究

针对舰船尾流激光探测的信号检测与分析问题,提出了利用小波域能量特征进行尾流特征分析的新方法。首先设计了变遗忘因子的自适应抵消器滤除水体后向散射信号与系统噪声,有效地选取了含有目标的信号;其次采用小波包分解方法并按频段的能量形成提取目标特征;最后借助主成分分析方法对特征向量进行降维。通过对试验数据的分析表明,提取的特征能有效地揭示不同性质下的尾流后向散射光信号,提高了对尾流分析的能力。     

基于modeFRONTIER的车身关键截面优化方法

根据车身概念设计阶段中关键截面外形受到车身造型和内部空间的约束,提出了一种具有满足截面性能指标的截面加强板形状优化生成方法.该方法采用节点法的思想,将加强板分成若干个节点,通过节点控制加强板的形状,基于modeFRONTIER软件采用多目标遗传算法(MOGA-Ⅱ)进行求解.针对某车型A柱梁截面的加强板,通过建立多目标优...     

白炭黑分散剂H60EF在白炭黑补强丁腈橡胶中的应用

研究白炭黑分散剂H60EF在白炭黑补强丁腈橡胶中的应用。结果表明:白炭黑分散剂H60EF能降低胶料的门尼粘度,改善白炭黑的分散性和胶料的加工性能,提高硫化胶的抗撕裂性能、耐磨性能和耐屈挠性能。     

处理非平衡数据的粒度SVM学习算法

针对支持向量机对于非平衡数据不能进行有效分类的问题,提出一种粒度支持向量机学习算法。根据粒度计算思想对多数类样本进行粒划分并从中获取信息粒,以使数据趋于平衡。通过这些信息粒来寻找局部支持向量,并在这些局部支持向量和少数类样本上进行有效学习,使SVM在非平衡数据集上获得令人满意的泛化能力。