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。     

支持原位计算的高效三角矩阵乘法向量化方法

向量化算法映射是向量处理器的难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法:将L1D配置为SRAM模式,用双缓冲的乒乓方式平滑多级存储结构的数据传输,使得内核的计算与DMA数据搬移完全重叠,让内核始终以峰值速度运行,从而取得最佳的计算效率;将不规则的三角矩阵乘法计算均衡分布到各个向量处理单元,充分开发向量处理器的多级并行性;将结果矩阵保存在乘数矩阵中,实现原位计算,节省了存储空间。实验结果表明,提出的向量化方法使三角矩阵乘法性能达到1053.7GFLOPS,效率为91.47%。     

多特征融合文本聚类的新闻话题发现模型

融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型。模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法。该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合。基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法。实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力。     

基于参数优化的SVM联合作战战场建设方案优选

联合作战战场建设方案优选可最大可能降低建设工程的损耗、提高整体建设效益。针对联合作战战场建设方案优选问题进行研究,首先梳理联合作战战场建设方案优选流程,然后构建包括作战保障工程、后勤保障工程、装备保障工程和战场基础信息数据库的指标体系,并提出基于网格搜索和交叉验证优化的改进SVM方法实施方案优选,仿真结果表明优化后参数的性能明显优于默认参数,更加适用于联合作战战场建设方案优选问题。     

基于马尔科夫链的一种评价方法

应用了数理统计与随机过程理论,从分析动态系统的状态以及状态转移情况给出了一种合理的评价方法,经过实例验证,该方法效果较好.     

支持向量机规则提取

支持向量机是一种黑箱模型,其学习到的知识蕴含在决策函数中,不仅影响了用户对利用支持向量机技术构建智能系统的信心,还阻碍了支持向量机技术在数据挖掘领域的应用。由于对支持向量机规则提取进行研究有助于解决上述问题,因此该领域正成为机器学习和智能计算界的研究热点。分析了具有代表性的支持向量机规则提取算法,并提出该领域未来的研究重点。     

基于RS属性约简与LS-SVM的装备研制风险综合评价

为有效管控武器装备的研制风险,推进装备研制项目的顺利开展,提出一种基于粗糙集(RS)属性约简与最小二乘支持向量机(LS-SVM)的装备研制风险综合评价方法。该方法在装备研制风险评价指标体系基础上,通过集对分析法构造训练样本和测试样本。以属性重要性作为RS启发信息,对评价指标进行属性约简,消除冗余信息。最后,基于约简后的评价指标样本训练LS-SVM模型完成风险评价。案例分析表明,相对于单一LS-SVM方法,所提出的方法预测精度更高,平均绝对误差达到0.098,评价结果更为准确,过程也更为科学合理。因此,将提出方法用于武器装备研制项目的风险评价是有效和可行的。     

基于迭代退火算法优化的SVR在核动力装置故障诊断中的应用

针对船用核动力装置主蒸汽管道破口大小依照监测参数的变化很难有精确估计的问题,首先使用了支持向量回归(SVR)对破口大小进行了判断,将破口大小作为诊断模型的预测值;然后,使用迭代退火算法对支持向量机的训练参数进行了优化,并与未优化的模型进行了对照。对比结果表明:优化后的诊断模型精度高,泛化能力强。