判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.     

美军自动测试系统发展现状

本文分析了现代电子设备自动测试的需求背景，着重阐述了美军电子装备自动测试的发展及其框架，在此基础上对我军电子装备自动测试的发展提出了几点建议。     

多特征空间下的支持向量机及其在图像识别中的应用

分别在主成分分析(PCA)、独立成分分析(ICA)和线性鉴别分析(LDA)所构造的特征空间下用模糊支持向量机(FSVM)进行人脸识别。同时,提出了一种改进的FSVM方法,即利用FSVM和多叉决策树相结合的思想来设计人脸分类器,从而使FSVM分类器的速度得到了大幅度的提高。通过在ORL人脸库上的实验结果表明,该算法是有效的。     

地空导弹营战斗保障模糊评判模型

运用模糊数学的方法,结合地空导弹营的具体实际,给出了地空导弹营战斗保障能力的评价因素指标,建立了营战斗力的二级模型评判模型,并利用改进集值统计法确定了各因素的权重,给出了地空导弹营战斗保障能力的量化评判方法。     

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。     

基于比较语言的军民融合式装备维修保障风险评估

针对地方维修商参与部队装备维修保障给军方带来诸多风险的问题，系统分析了军民融合式装备维修保障存在的风险因素，提出了一种基于比较语言表达的风险评估模型。将比较语言表达式转换为犹豫模糊语言术语集（HFLTS），并计算出由梯形模糊隶属函数表示的 HFLTS 的模糊包络，最后应用双基点法进行维修商的选择决策。通过实例验证了模型的有效性。     

基于集对分析的军用车辆修理社会化保障效益评价

在构建效益评价指标体系基础之上，基于集对分析思想提出了一种军用车辆修理社会化保障效益评价新方法，并结合实例对评价模型进行了检验，结果客观、合理。     

信源数动态变化的一种稳健超定盲分离算法

针对大多数现有盲分离算法都假定信源数已知,分析了信源数未知且动态变化时的超定盲分离(接收天线数多于信源数)算法,通过奇异值分解在线估计信源个数,并修正自适应神经网络的维数。文章在经典Cichocki-Unbenauen算法中加入动量项,设置可变步长,使分离性能得到较大的改进,同时避免训练陷入局部最小。与文献[1]新提出的ANA算法相比,仿真结果证明本文算法具有更快的收敛速度和更小的稳态误差。     

灰色预测GM(1,1)模型及其改进与应用

介绍了灰色预测的基本原理和常用GM(1,1)模型及其适用性判断方法,针对GM(1,1)模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,应用效果良好。