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。     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

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。     

基于随机拟合的悬浮式深弹弹阵特征建模

通过分析悬浮式深弹发射后在空中的弹道特性,建立了深弹弹着点坐标的计算模型。采取蒙特卡洛方法,分别对舰艇六自由度状态下,单管和六联装火箭深弹的弹着点坐标进行了仿真计算,对弹着点的分布规律进行了研究,并得出弹着点的联合密度函数。结果表明,在发射参数存在正态扰动下,弹着点散布区域均呈椭圆形分布,弹着点坐标均仍服从正态分布。     

基于奇偶矢量的多星座RAIM算法

随着GNSS接收机技术的不断发展,基于多星座下的GNSS接收机自主完好性监测(RAIM)算法也已被国内外学者广泛研究。首先介绍了接收机自主完好性监测奇偶矢量算法的原理,然后分别对单星座、多星座组合下的RAIM算法进行了研究和仿真,图形化和数据化的仿真结果充分证明了多星座组合下的完好性监测性能优于单星座下完好性监测性能。     

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.     

基于Lyapunov法和势场法的对峙跟踪研究

现有的基于Lyapunov导航向量场算法的对峙跟踪研究中尚未有考虑避障要求的。针对单架无人机对峙跟踪单个移动目标,通过Lyapunov导航向量场法使无人机对目标对峙跟踪。在遇到障碍时,通过距离控制,切换为使用势场法避开障碍区域。在满足一定的距离条件后,通过角度控制,恢复对峙跟踪方式,从而使无人机在对峙跟踪时可以避开障碍区域。仿真结果表明,不管是在单障碍的条件下还是多障碍的条件下,该方法能使无人机有效地避开障碍区域完成跟踪任务。     

基于多模型组合的模拟电路故障诊断方法

针对传统模拟电路故障诊断方法识别准确率低及耗时较长的问题,提出一种基于改进的二进制粒子群优化算法(IBPSO)与隐马尔科夫模型(HMM)的综合诊断方法。该方法利用IBPSO对故障特征进行提取优化,降低故障特征维度,进一步利用HMM对提取的故障特征进行预处理,排除不可能类故障特征,提高了LSSVM的分类准确率。经过仿真结果分析验证,该方法较现有的BP神经网络诊断方法,能够在确保正确率得到提升的基础上,进一步提高故障诊断速度,具有更强的战场环境适用性。     

柴油机喷油压力波形的符号描述与结构模式分类

波峰和波谷是波形上基本的局部形态特征基于波峰、波谷之间的支配关系,本文提出了一种规则波形的结构特征抽取与符号描述方法,进而建立了一个基于该方法的柴油机喷油压力波形结构模式分类系统,并通过实例验证了该系统的有效性。     

一种高频区复杂雷达目标二维散射的参数模型

为描述高频区雷达目标复杂的二维散射 ,提出采用更贴近散射机理的、特征含量更为丰富的二维散射中心模型———类型区分的几何绕射理论 (TD GTD)模型。将一种高效的基于AGR的参数估计初始值选取方法 ,以及引入RELAX技术的最大似然估计算法 (ML RELAX) ,用于模型参量的估计。解决了同时估计多个散射中心这一造成计算量过大的根源问题。实验证实了TD GTD模型的合理性以及ML RELAX算法估计性能的优越性