基于样本加权的支持向量机预测方法

不同的样本对最终预测模型的贡献程度是不一样的。在分析了采用支持向量机解决回归预测问题基本原理的基础上,介绍了"预测误差权重"和"样本关联度权重"的两种样本权重确定方法,并将其引入到支持向量机预测模型中来,最后用实例证明了采用样本加权后的预测精度要更高,而采用"样本关联度权重"法的精度又比"预测误差权重"法的精度要高。     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。     

基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

航空发动机的可预测模型建模与应用

提出了一种基于混沌理论和支持向量的预测方法.通过重构相空间的饱和嵌入维数,确定支持向量机的最佳输入变量;通过计算混沌序列的最大Lyapunov指数,确定支持向量机预测模型的最大有效预测步数;利用支持向量机强大非线性映射能力、网络结构的自动最优化特性,实现时间序列的非线性预测.最后,应用于某型发动机压气机的试车时间序列数据建模与分析,结果证明该方法具有较高的预测精度.     

基于层间嵌入式多级支持向量机的特征选择

针对多故障样本一次性映射之后分类不理想,研究了多级层次式支持向量机,应用UCI数据仿真,结果表明该方法缩短了训练时间、提升了测试准确率、改善了样本的可分类性。由于误差积累,在此基础上,提出了层间嵌入式多级支持向量机,采用Abalone数据仿真,结果表明分类精度有所提高并减少了分类步骤。结合ReliefF算法,对制导设备的故障特征参数进行了选择。     

支持向量机的可靠度时序预测分析与应用

提出了一种利用支持向量机进行可靠度时序预测的方法.通过重构相空间的饱和嵌入维数,确定支持向量机的最佳输入变量;利用支持向量机强大非线性映射能力、网络结构的自动最优化特性,实现时间序列的非线性预测.最后,应用于某型发动机涡轮增压器可靠度预测,结果证明该方法具有较高的预测精度和较强的推广能力,对于一般意义上的可靠度监测具有重要的价值.     

一种支持向量机增量学习淘汰算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。增量学习是解决这一难题的思路之一。分析了新增样本加入训练集后支持向量集的变化情况,提出了一种基于密度法的支持向量机增量学习淘汰算法,淘汰了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。实验仿真证明这种算法是有效的。     

基于虚拟脱靶量预测的准闭环校射方法

针对传统高炮大闭环校射脱靶量不易检测、可校射时间短暂,提出了一种基于虚拟脱靶量预测的准闭环校射方法。首先给出了弹丸双站角度测量的初始状态估计算法;其次,结合外弹道理论建立了一种虚拟等距脱靶量的预测模型,分析了射击校正量的估计方法与准闭环校射方案的实现流程。该方法避免了大闭环校射对脱靶量的直接检测,并提高了高炮闭环校射的时效性。     

支持向量机在弹药训练消耗量预测中的应用

针对部队平时弹药训练消耗量预测过程中,样本采集数目较少的实际情况,采用了一种新的预测方法———支持向量机。该方法基于统计学习理论的原理,较好地解决了小样本的学习问题。并以某部队1997—2002年弹药训练消耗量为学习样本,建立了弹药年消耗量的预测模型。计算结果表明,这种方法比传统的方法有更少的误差和更好的预测精度。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

导弹遥测故障的GM-Verhulst-SCGM预测算法

遥测故障预测是保障导弹遥测系统可靠性的基础。根据导弹遥测故障的历史数据,结合GM(1,1)模型、Verhucst模型和SCGM(1,1)c模型构建了导弹遥测故障的GM-Verhulst-SCGM组合灰色预测模型,按照预测有效度算法取得组合预测模型的权重系数。选用导弹遥测故障的训练组实际值作为原始数据,分别利用各预测模型估算对比组导弹遥测故障数据。预测结果表明,相比单一预测模型,组合灰色预测模型具备更高的故障预测精度。在验证组合灰色预测模型可行性的基础上,进一步估算了同一型号导弹未来时序的遥测故障数据,为相关部门及时改善导弹遥测技术及避免导弹故障提供理论及方法借鉴。     

基于神经网络的舰船建造费用预测分析

采用了一种基于神经网络的舰船建造费预测方法 .计算结果表明 ,这种方法与传统的参数法相比较 ,有更好的估算精度 ,因而该方法可以作为研究此类问题的新途径     

舰船成本预测系统中的自变量约简方法

针对舰船成本预测系统中自变量众多且相互关系错综复杂的特点,提出了用模糊粗糙集方法对舰船成本预测系统中的自变量进行约简。在模糊粗糙集方法的框架下,给出了模糊不可分辨关系和相对约简的定义,构建了基于模糊粗糙集的舰船成本预测系统自变量约简模型,并且针对实际的舰船成本预测系统一般是混合数据系统的问题,对广义差别矩阵的定义进行了改进,设计了相应的启发式约简算法。实例分析结果表明:文中所提的方法不仅能使约简的自变量大为减少,而且约简的效果较传统方法更好,且计算过程也更简单。     

基于三级数据关联的红外点目标跟踪方法

介绍了目前红外系统的目标跟踪方法；在目标跟踪时的数据关联阶段，提出了三级门限数据关联算法，根据门限级别所划分的疑似目标点位置，算法采用不同的数据关联策略。该算法能减少轨迹分叉时的计算量，能有效地检测出速度〈1像素／帧的运动点目标。实验结果证明了该算法的有效性。     

An adaptive forecasting algorithm and inventory policy for products with short life cycles

Products with short life cycles are becoming increasingly common in many industries, such as the personal computer (PC) and mobile phone industries. Traditional forecasting methods and inventory policies can be inappropriate for forecasting demand and managing inventory for a product with a short life cycle because they usually do not take into account the characteristics of the product life cycle. This can result in inaccurate forecasts, high inventory cost, and low service levels. Besides, many forecasting methods require a significant demand history, which is available only after the product has been sold for some time. In this paper, we present an adaptive forecasting algorithm with two characteristics. First, it uses structural knowledge on the product life cycle to model the demand. Second, it combines knowledge on the demand that is available prior to the launch of the product with actual demand data that become available after the introduction of the product to generate and update demand forecasts. Based on the forecasting algorithm, we develop an optimal inventory policy. Since the optimal inventory policy is computationally expensive, we propose three heuristics and show in a numerical study that one of the heuristics generates near‐optimal solutions. The evaluation of our approach is based on demand data from a leading PC manufacturer in the United States, where the forecasting algorithm has been implemented. © 2004 Wiley Periodicals, Inc. Naval Research Logistics, 2004.     

Impact of reseller's and sales agent's forecasting accuracy in a multilayer supply chain

We consider a three‐layer supply chain with a manufacturer, a reseller, and a sales agent. The demand is stochastically determined by the random market condition and the sales agent's private effort level. Although the manufacturer is uninformed about the market condition, the reseller and the sales agent conduct demand forecasting and generate private demand signals. Under this framework with two levels of adverse selection intertwined with moral hazard, we study the impact of the reseller's and the sales agent's forecasting accuracy on the profitability of each member. We show that the manufacturer's profitability is convex on the reseller's forecasting accuracy. From the manufacturer's perspective, typically improving the reseller's accuracy is detrimental when the accuracy is low but is beneficial when it is high. We identify the concrete interrelation among the manufacturer‐optimal reseller's accuracy, the volatility of the market condition, and the sales agent's accuracy. Finally, the manufacturer's interest may be aligned with the reseller's when only the reseller can choose her accuracy; this alignment is never possible when both downstream players have the discretion to choose their accuracy. © 2014 Wiley Periodicals, Inc. Naval Research Logistics 61: 207–222, 2014     

基于自适应遗传算法的LS—SVM漏磁缺陷重构

提出基于自适应遗传算法的最小二乘支持向量机算法（AGA-LS-SVM）的新方法，用于二维缺陷重构，建立由缺陷的漏磁信号到缺陷二维轮廓的映射关系。该方法实现人工裂纹缺陷的二维轮廓的重构，试验结果表明，该方法具有速度快、精度高和很好的泛化能力，为漏磁检测定量化提供了一种可行的方法。     

A comparative study of demand forecasting techniques for military helicopter spare parts

This paper deals with techniques applicable to predicting spare parts demand for military helicopters. The military helicopter is a distinct weapons system, whose unique configuration may preclude the direct application of forecasting techniques which have proved successful for other weapon systems. Furthermore, although the military helicopter has become extremely important tactically in modern warfare, it has received scant attention in terms of research concerning its supply support. Specifically, this paper summarizes research done to measure and compare the forecasting accuracy of six mathematical models, as they were applied to three prominent military helicopters. In addition, the paper describes attempts that were made to define, where possible, the conditions under which a specific forecasting technique might be applicable. In general, it is shown that the most accurate set of helicopter spare parts demand forecasts are produced by a second order polynomial exponential smoothing model. This model is observed to have most accurately described the highly volatile, and upward-trended demand time series which were the subject of the study.