基于改进支持向量回归机的天基信息系统效能评估

天基信息系统效能的评估对于一体化作战的现代战争具有重要意义。针对武器系统效能评估的影响因子复杂、样本数量少、非线性较强等特点,采用支持向量回归机算法,并引入布谷鸟搜索算法对支持向量回归机的3个参数进行优化选取。仿真实验结果表明,改进支持向量回归机与传统支持向量回归机、BP神经网络相比,具有更高的准确度,可以有效地对天基信息系统进行效能评估。     

基于云模型的航空装备维修保障能力评估

针对航空装备维修保障能力评估问题,在把握航空装备维修特点和系统分析影响因素的基础上,构建了以信息化优势为主导的航空装备维修保障能力评估指标体系;提出一种基于AHP的改进熵值法确定各级指标权重,有效融合了主客观信息;引入云模型原理,将不确定性因素转化为定量化数字特征,开展基于云模型的航空装备维修保障能力评估。实例表明,该评估方法能够科学、准确地评估航空装备维修保障能力,具有可行性和有效性。     

基于ANP-灰色模糊的航空装备维修保障能力评估

针对航空装备维修保障能力指标不确定性和非独立性问题,提出了基于ANP-灰色模糊理论的网络化综合赋权评估方法。通过调查法、专家法构建航空装备维修保障能力"控制层-网络层"指标体系。在此基础上,利用ANP方法求解网络结构条件下各级指标的权重,利用灰色系统理论构建模糊评估矩阵,并综合权重和模糊评估矩阵计算维修保障能力。最后,以某3个维修保障能力方案为例进行评估和对比,结果表明该方法能够解决指标之间相互作用情形下的综合评估问题,较传统层次分析法更加适用、准确,能为实际维修保障方案的改进提供理论依据。     

基于支持向量机的武器系统研制项目评估分析

对常规评估方法和支持向量机模型用于武器系统研制项目评估进行了分析和比较,着重分析了应用支持向量机进行武器系统研制项目重要度评估的具体形式以及方法特点,通过实例进行了分析验证,取得了满意的结果.     

支持向量机在柴油机技术状况评估中的应用

介绍了现有的柴油机技术状况评估方法，分析了这些方法的局限性和支持向量机在处理小样本、非线性、高维数等方面的优势。提出了基于支持向量机的柴油机技术状况评估模型。确定了能够表征柴油机技术状况变化的特征，并通过实车试验提取这些特征；构建了基于支持向量机的柴油机技术状况评估模型，并对部分试验车辆柴油机进行了评估。结果证明：支持向量机在装甲车辆柴油机技术状况评估中的应用是可行的。     

加权LS-SVM的航空装备维修保障能力评估模型

维修保障能力评估工作是航空装备全系统全寿命管理的一项重要内容,科学精确的维修保障能力评估方法是实现航空装备精确化保障的基础。首先建立了航空装备维修保障能力评估指标体系,确定了关键要素指标,然后建立了基于加权LS-SVM的航空装备维修保障能力评估模型,仿真结果验证了该方法的有效性。     

基于修正核函数的支持向量机空袭目标威胁评估

为提高空袭目标威胁评估的准确性,在分析目标威胁评估特点的基础上,提出了一种基于修正核函数的支持向量机空袭目标威胁评估方法.该方法以黎曼几何为理论依据,通过构造一种新的保角变换,并利用该保角变换对核函数进行修正,可提高支持向量机用于空袭目标威胁评估的精度.通过实例仿真与标准支持向量机方法进行比较,说明了该方法的有效性和优越性.     

基于改进LS-SVM的雷达故障诊断技术

针对传统雷达系统故障诊断流程复杂、诊断时间长且准确率仍有上升空间的问题,将改进最小二乘支持向量机算法引入到雷达系统故障诊断中,建立雷达故障诊断模型。该方法很好地解决了分类和函数估计问题,加快了诊断速度,改善了最小二乘支持向量机的鲁棒性和稀疏性,并提高了诊断准确率。通过对某型雷达故障诊断实例仿真,对比改进最小二乘支持向量机和传统神经网络在雷达故障诊断上应用的效果,仿真结果验证了该方法较传统神经网络,具有更好的雷达故障诊断效率和准确率。     

基于改进Grey-AHP的雷达装备维修性评估方法

针对雷达装备在鉴定定型阶段对维修性评估的需求,构建了雷达装备维修性评估指标体系,通过改进层次分析法(AHP)对雷达装备维修性评估指标进行赋权,建立了改进灰色层次分析法(Grey-AHP)的雷达装备维修性评估模型,对3种研制方案的雷达装备维修性进行排序,通过实例验证了该方法的有效性和可行性。     

基于TWSVM的C4ISR网络安全态势评估方法

为进一步提升基于SVM的C4ISR网络安全态势评估方法的评估精度和鲁棒性,提出了一种基于孪生支持向量机的C4ISR网络安全态势评估方法。该方法首先分析了影响C4ISR网络安全态势的主要因素,然后基于孪生支持向量机,建立了C4ISR网络安全态势评估模型,通过非线性映射将网络安全态势样本各个要素特征向量映射到高维特征空间,继而利用多类核函数构造的不同分类面以及分类函数来对网络安全态势样本数据进行学习和参数估计,从而得到全局最优分类解。实验结果表明,与基于SVM的网络安全态势评估方法相比,所提方法在提高评估正确率的同时能够动态高效地反映出当前网络的安全态势,具有较强的鲁棒性。     

基于小波变换与SVM的复杂装备故障诊断研究

针对复杂装备故障信号提取困难、故障诊断精度低的现状,根据小波变换对处理非平稳信号的优越性和支持向量机(SVM)对模式分类的良好性能,提出了一种基于小波变换与SVM的故障诊断模型,并选取配电系统进行故障诊断仿真实验。结果表明该模型能利用少量训练样本完成故障诊断,有效提高装备故障诊断精度。     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.     

基于集对分析和LS-SVM的装备研制风险综合评价

【】为了有效防控武器装备的研制风险,确保武器装备项目的顺利推进,提出一种基于集对分析(SPA)理论与最小二乘支持向量机(LS-SVM)方法的装备研制风险综合评价方法。在该方法中,首先,根据武器装备研制的具体特点,建立了装备研制风险评价指标体系。然后,在此基础上,引入SPA分析理论中的联系度和集对概念构建了训练样本和测试样本。最后,使用获取的样本对LS-SVM进行训练和测试,得到装备研制风险评价模型,并据此给出评价结果。案例分析表明,所提出方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

基于遗传算法与支持向量机的火炮内膛疵病分类方法研究

支持向量机能够较好解决小样本、非线性数据特征的多分类问题,适用于火炮内膛疵病的分类,但其性能依赖于其参数的选取;对基本遗传算法进行改进,使用自适应的交叉算子和变异算子,并应用于支持向量机参数优化;通过对火炮内膛疵病分类精度的对比研究,改进的遗传算法确定支持向量机优化参数的方法取得了良好的效果,验证了该方法对疵病分类的有效性。     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

基于支持向量机的雷达弹道外推方法仿真研究

支持向量机是一种求解回归预测问题的优秀决策方法,具有坚实的理论基础和优秀的预测性能。为解决目前雷达弹道外推中存在的精度不高和不能有效识别弹道等问题,对基于支持向量机的雷达弹道外推方法进行了仿真设计,并通过仿真弹道模拟雷达采样,进行了仿真实验。仿真实验结果表明:基于支持向量机的雷达弹道外推方法实用可行,可以获得较高的外推精度,并且能够有效地进行弹道识别。     

一种基于DCT和SVM的人脸识别新方法

文中提出了一种新的人脸识别方法,该方法采用DCT提取人脸特征,并采用SVM对该特征进行分类识别。基于该方法,对ORL人脸库进行分类识别,仅用28个特征平均识别率达到97.4%。仿真结果表明,该方法显著地降低了特征维数和计算复杂度,明显提高了特征的可辨别能力,而且,SVM可以有效地提高分类器的分类和推广能力。     

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。     

基于小波系数相关性的图像隐写分析

提出了一种新的针对空域图像隐写的盲检测方法。利用互信息分析秘密信息嵌入对图像小波系数在尺度方向和空间方向相关性的影响,使用马尔可夫模型挖掘小波系数层内和层间相关性,提取转移概率矩阵作为特征,以支持向量机（SVM）作为分类器。针对LSB匹配和随机调制隐写算法。实验表明,本方法能有效检测到未经JPEG压缩过的含密图像。     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。