小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。     

武器系统经济性参数的支持向量机方法分析

采用一种基于支持向量机的武器系统费用分析方法.计算结果表明,这种方法有效解决了参数法对样本量要求较高以及对非线性问题处理能力较弱等问题.与传统方法相比较,有更好的拟合精度和泛化能力,因而该方法可以作为研究此类问题的新途径.     

基于粗糙集和支持向量机的火炮内膛疵病识别方法

火炮内膛疵病智能识别是火炮内膛窥测的最终目标,它涉及到内膛疵病的特征提取和疵病识别两方面。首先建立了包括疵病形状、纹理与颜色特征的火炮内膛疵病特征体系;并采用模糊粗糙集理论分析了各疵病特征对疵病识别的敏感性,由此优化了疵病特征体系,降低了疵病特征维数;建立了最小二乘支持向量机小样本、非线性数据特征的多疵病分类器,提高了疵病识别效率和质量。     

一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

一种认知无线电中模仿授权用户诱骗攻击的检测方法

认知无线电中模仿授权用户（PrimaryuserEmulation,PUE）诱骗攻击是近年来研究的热点问题。攻击者通过模仿授权用户的信号特征来干扰认知用户使用频谱,造成认知用户可用频谱资源的大量减少。本文提出了一种单点PUE攻击的检测方案。通过小波变换提取发射机发送信道特征来判断用户身份,仿真实验表明该方法可以有效检测PuE攻击。     

基于LS-SVM方法的某核电站主泵故障诊断

主泵是核电厂非常重要的设备,它直接关系到整个核动力装置能否安全运行,对其进行有效的故障诊断十分必要。支持向量机(SVM)具有使用较少的训练样本达到较好分类效果、不需要故障分类的先验知识的特点,可以应用于主泵的故障诊断。为此,首先使用小波变换提取某主泵的转子质量不平衡、转子不对中、碰摩等三种典型故障的故障信息,然后使用最小二乘支持向量机(LS-SVM)方法对故障模型进行训练,最后对训练得到的模型进行故障诊断。诊断结果较好,从而验证了该方法的有效性。     

基于最小二乘支持向量机的火灾起数时间序列预测

基于最小二乘支持向量机算法,建立了火灾起数时间序列预测模型,并给出了相应的建模步骤.结合昆明市近16年的火灾起数数据,将1997～2006年火灾起数作为训练集,预测了2007～2012年的火灾起数.结果表明,该模型预测结果的均方根相对误差和平均绝对百分比误差分别为0.132 6和0.084 7,具有良好的预测精度,能够较为准确的预测出火灾起数的变化情况.用此模型预测了昆明市2013年火灾起数,并根据误差确定了2013年火灾起数的大致变化空间.     

基于LSSVM的缺失飞行数据组合填补方法

针对飞行数据的特点,将基于最小二乘支持向量机的一元填补方法和多元填补方法相互结合,提出了一种缺失飞行数据的组合填补方法。该方法将两者优势互补,既能反映出变量自身的变化趋势,同时也利用了相关变量间的作用信息,增强了算法的可靠性,提高了数据填补的精度。实验结果表明了所提方法在缺失飞行数据填补中的有效性和适用性。     

基于非负矩阵分解的电磁超声系统优化研究

针对孤立脉冲群电磁超声系统信号特征容易被噪声淹没的问题,提出基于改进的非负矩阵分解（INMF）优选特征的支持向量机（SVM）方法．首先,用3种不同的方法提取高维特征;其次,用NMF方法实现特征降维,并保证降维结果的唯一性,避免对特征的直接选择;最后,应用支持向量机方法对降维特征进行分类．对孤立脉冲群电磁超声系统采集的4种信号特征进行提取、选择和分类,实验结果表明：INMF方法能有效提取微弱信号的特征,减少运算量,提高电磁超声系统特征采集的准确率．     

因素状态值为模糊数的变权综合决策方法

对因素权重为实数、因素状态值为模糊数的多因素不确定性决策问题,由实数型状态变权向量导出模糊数状态变权向量,得出模糊数变权公式,建立模糊数变权综合决策模型,最后给出一个应用模糊数变权综合决策模型的实例.