基于信息密度的病毒分类器批量主动学习方法

针对病毒分类器在实际应用中存在的更新速度慢、对未知病毒检测能力不足等问题,对批量主动学习理论在病毒分类器训练方面的应用进行了研究,提出了一种基于信息密度的病毒分类器批量主动学习方法。该方法从基本询问策略、相似度测量及超平面夹角三个方面对待选训练样本的熵信息、信息密度及样本间的差异性进行综合衡量,实现了在一次询问过程中对多个有效新训练样本的选取。实验表明:该方法能够有效地缩减病毒分类器的训练时间,降低对训练数据的数量要求,提高系统的学习效率。     

基于模糊支持向量机的发动机故障诊断方法

发动机的故障样本少,用神经网络进行故障类别的学习和分类往往会出现过学习、泛化能力不高以及局部极小点等问题。针对这一缺陷,将基于小样本理论的支持向量机学习方法应用到发动机的故障诊断中。同时讨论了3种多故障分类器的优缺点,并用引入模糊隶属函数的方法解决了“一对多”方法在构建多故障分类器时存在的分类盲区,提高了分类器的分类精度。用该方法对发动机常见的8种状态模式的样本进行训练和识别,训练样本和测试样本都有较好的识别率。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

神经网络在图象处理中的应用

图象处理是神经网络的一个重要应用领域。本文首先介绍了神经网络的模型、学习规则及其处理能力,在此基础上综述神经网络在图象处理中的应用,重点放在神经网络分类器和Hopfield网络解决图象处理中的最优化问题。     

萤火虫优化的异构集成学习网络入侵检测方法

在网络入侵检测中单独使用一种机器学习方法检测存在盲区,检测精度较低,提出一种基于GSO优化权值的异构集成学习入侵检测算法.在构造基分类器中,通过对样本集的采样和特征集的选择增大各个基分类器样本间的差异性;通过不同学习算法对样本集的学习增强基分类器的差异度,通过加权方式集成得到检测结果.在设计权值时,引入萤火虫优化算法,对各个基分类器的分类结果权值进行优化.在通用数据集和CSE-CIC-IDS2018数据集上的实验,表明提出的方法能够有效提高检测的精度,降低误报率和漏报率.     

基于元学习的反舰导弹目标识别研究

为了进一步提高干扰环境下反舰导弹的目标识别精度和泛化能力,将集成学习中的元学习策略引入反舰导弹的目标识别领域,并提出了一种基于叠加归纳策略的元学习目标识别算法。该算法首先通过构建元层学习器对多个基层学习器的学习结果进行"再学习",以纠正基学习器的错误分类、巩固基学习器的正确分类,进一步提高集成分类精度;然后,以决策树为基学习算法构建了同质多分类器系统,在自建的全极化一维距离像HRRP特征数据库上研究了基分类器的数量以及元特征样式、元学习算法的选取对元学习系统分类精度的影响;最后,通过与单一分类器和常用集成算法的对比,验证了基于元学习的反舰导弹目标识别算法的可行性和有效性。     

基于计算智能的分类器的应用

常数规则,一阶线性规则和基于遗传算法的模糊分类器,以及基于遗传算法的神经网络分类器在核爆监测中有着广泛应用前景,它们能为中远程核爆炸探测和核试验核查提供识别智能分类器。尤其是基于遗传算法的模糊分类器,从目前的应用来看其识别效果最好。     

机械故障特征与分类器的联合优化

在机械故障诊断中,特征选择和分类器的参数优化都可以提高诊断精度。利用特征和分类器参数的依赖关系,提出了特征选择和SVM参数的联合优化方法来提高诊断性能。联合优化方法采用支持向量机(SVM)作为故障分类器,SVM半径—间距上界(RM界)为目标计算诊断精度,并应用遗传算法求解此优化问题。齿轮故障诊断试验结果表明,联合优化的诊断精度要优于单独优化特征和SVM参数,而且优化速度更快。因此在故障诊断中,利用特征和分类器参数联合优化能够快速取得较好的诊断精度。     

一种综合使用支持向量机和遗传算法的隐藏图像检测方法

提出了一种新的基于遗传算法和支持向量机的隐藏图像检测方法。用遗传算法进行图像特征选择,采用支持向量机作为分类器,将支持向量机的分类效果作为适应度函数值返回,指导遗传算法搜索最优的特征,移除图像的不相关特征和冗余特征,提高了学习效率。实验结果表明,与仅采用支持向量机分类但未进行特征选择的隐藏检测方法相比,本方法能有效地提升分类器性能。     

基于交叉熵和新转移函数的模糊神经网络分类器

针对目前普遍采用的误差平方和准则及Sigmoid转移函数在BP算法应用中存在的缺陷和不足,提出了基于交叉熵准则和新的S型转移函数构建的模糊神经网络分类器,并将这种分类器应用于心肌梗死的定位诊断,结果表明其训练效率和识别性能都明显优于传统的模糊神经网络。     

无人直升机辨识的一种新方法

针对无人直升机的辨识建模问题,提出了把频率响应辨识法和遗传算法相结合的一种新的辨识方法.该方法充分结合了频率响应辨识法抗噪声能力强、对输入信号通用性强、以及遗传算法的全局寻优特性的优点,极大地提高了辨识的准确性.与最小二乘法、Levy方法的对比仿真结果表明,这种方法辨识精度更高,具有重要的工程使用价值.     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器,对同步发电机励磁控制系统进行仿真。仿真结果表明,在系统遭受扰动或突加减载时,所设计的模糊神经网络励磁控制器具有良好的控制效果。     

面向控制模型的时域建模方法研究

研究了“面向控制”模型的建模的理论和方法,提出了建模的实用计算方法。这个方法的特点是建模在时域进行,并以遗传算法作为计算工具,具体实现了“面向控制”模型的建模。仿真结果表明,真实模型完全处于辨识出模型集中,此辨识算法鲁棒性好     

常微分方程的不动点迭代格式

在常微分方程的数值解法中,Euler的隐式格式稳定性较好,但由于它为隐式,因而给计算带来了极大地不方便。为了解决此问题,本文给出了一种数值解法———常微分方程的不动点迭代格式。     

基于组件的分布式仿真系统

针对模型重用问题,提出采用BOM标准构成模型组件.本研究采用该标准构造了基于BOM组件的HLA导弹突防能力仿真系统,并对采用该技术的分布式仿真系统有关技术进行了深入探讨.研究表明,BOM技术重用性好,是仿真应用领域的重要发展方向.     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

局部线性估计在半参数条件矩中的应用

半参数方法在计量经济领域有着广泛的应用,但由于其既有参数变量,又有未知函数,因此采用条件矩限制和Sieve方法来得到其参数估计是一个比较好的方法。作为一种非参数回归方法,局部线性估计具有优良的统计特性,因此本文用它来得到条件矩的一个非参数估计,并在此基础上证明了估计参数的一致性和收敛速率。     

基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度,针对这一特点,设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型,采用状态反馈方法对名义模型进行控制,以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点,神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明,该控制器具有良好的控制性能和鲁棒性能。     

舰船动力装置训练模拟器的研制

介绍了某型舰船动力装置训练模拟器的软硬件构成、主要功能及特点 .该模拟器在PC机环境下进行研制 ,通过CAN网和以太网进行数据通讯 ,可实现动力装置的全过程仿真 .它硬件投资少 ,开发时间短 ,而且功能全 ,操作使用方便 ,具有较高的推广价值和应用前景 .