基于支持向量机的海战场辐射源威胁评估

提出一种基于支持向量机的辐射源威胁评估方法。基于统计学习理论的支持向量机方法,其在小样本情况下表现出了极好的优越性,能够较好地完成威胁评估。实验表明,支持向量机可以很好地逼近专家评价的结果,并且要优于一般的神经方法。     

基于区间支持向量回归的空战目标威胁评估

针对空战目标威胁评估问题,提出了一种新的基于区间支持向量回归的评估方法。首先对空战目标威胁评估方法中常用的距离威胁模型进行了分析,在此基础上对距离威胁模型进行了改进。然后构建了基于区间数方法的威胁评估指标权重的确定方法。最后建立了基于区间支持向量回归的空战目标威胁评估模型,并进行了仿真实验。仿真结果表明,提出的方法具有较高的预测精度,能够准确、快速地完成多个空战目标的威胁评估。     

基于粗糙集支持向量机的空袭目标识别

为提高对空袭目标的识别能力,提出了一种基于粗糙集支持向量机的空袭目标识别方法.该模型用RS方法构建SVM数据处理系统的前置系统,充分利用RS理论在处理大数据量,消除冗余信息等方面的优势,减少了SVM训练数据,克服了SVM算法因为数据量太大而导致处理速度慢的缺点.根据分类识别的要求,在RS-SVM两类分类算法的基础上,建立了成对分类目标识别模型.通过仿真试验证明,该方法具有较高的识别率,在空袭目标识别中体现极强的优势.     

基于二叉树支持向量机的空袭目标类型识别

针对现有空袭目标类型识别方法存在的不足,提出了一种基于二叉树支持向量机的空袭目标类型识别技术.该方法将二叉树与支持向量机有机结合起来,充分发挥了支持向量机解决两类分类问题的优势,有效地提高了识别率.最后给出了与现有识别方法的比较结果,证明了该方法的有效性.     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素。这里采用R ough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序。通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

基于模糊二叉树支持向量机的空袭目标属性识别

针对现有空袭目标属性识别方法存在的不足,提出了一种基于模糊二叉树支持向量机的空袭目标属性识别技术。该方法充分发挥了模糊二叉树支持向量机解决二类分类问题的优势,有效地提高了识别率和识别速度。最后给出了与现有识别方法的比较结果,证明了该方法的有效性。     

空中目标威胁的ABC-RVM评估方法

为改善防空作战中对空中目标威胁的判断决策能力,提出了一种基于蜂群（ABC）算法和相关向量机（RVM）的空中目标威胁评估方法。从防空作战的实际出发,依据数理统计分析构建空中目标威胁指标体系;采用ABC算法优化多核RVM的相关参数,构建空中目标威胁评估模型。仿真分析表明,该方法是一种精度较高的空中目标威胁评估方法,在各项精度指标上均优于单一Gauss核或单一Sigmoid核的RVM方法,从而证实它的有效性和可行性。     

导弹阵地空袭目标威胁评估

威胁评估是导弹作战决策中一个重要环节.针对导弹阵地作战中空袭目标的实时威胁评估问题,结合阵地实际,文中在分析威胁成因和指标相关性的基础上构建了威胁评估指标体系,利用模糊理论对威胁因素进行了量化处理,基于目标实时信息用组合加权平均模型进行了评估计算.仿真结果表明,该模型能根据实时的目标信息,准确灵敏地评估出目标威胁度,同时考虑了因素的相关性影响,结果更切实合理.     

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.     

基于改进支持向量机的航空装备维修安全评估

传统航空装备维修安全评估大多采用定性评估方法,针对传统评估中存在主观性、随意性过强,实践中缺乏可操作性等问题,提出了基于核密度估计的改进支持向量机。构建了航空装备维修安全评估指标体系,在利用层次分析法对其权重进行计算的基础上,通过改进支持向量机对某单位航空装备维修状况进行了全面评估,为航空装备维修安全评估提供了科学的方法,对确保航空装备维修安全具有较强的理论和现实意义。