基于支持向量机的飞机备件需求预测

支持向量机是一种机器学习算法,在国外已广泛应用于工程实践领域。首先探讨了支持向量机回归预测模型的学习和预测机制,分析其中三个重要参数对算法的影响规律,得出一套定性的参数选择方法,然后将支持向量机引入到装备综合保障分析之中,构建了飞机备件智能预测模型,并对某型军用飞机备件需求进行了预测和分析,结果表明:基于支持向量机的备件需求预测是有效的、可行的。     

基于声矢量传感器原理的目标被动定向算法

声测被动定向是声学监视技术的重要研究内容.为了实现对低空运动目标的声学监视,提出了一种基于声矢量传感器原理的被动定向方法,推导出了基于互谱法声强测量技术的定向算法,并对定向算法进行了分析和数值仿真.仿真表明:当传感器尺寸为0.28m、信号信噪比为5dB时,定向精度在2.5°以内.仿真结果说明,该定向算法是正确可行的,有较大的实用价值.该研究成果可直接用于空中运动目标,如飞机、导弹和无人机等目标的声测被动定向.     

现代文本分类技术研究

分析了当前的文本分类技术,总结了文本分类需要解决的问题;在详细比较了各种不同的分类算法以及文本模型以后,为进一步开展优化以及提高文本分类技术的研究工作提供了一些参考和建议。     

盘形圆弧砂轮曲面磨削几何模型

砂轮外形、加工轨迹、运动轴组合方式、工件摆放方式等的差异都会引起曲面磨削加工模型的变化,加工几何模型是实施曲面磨削首要解决的问题。建立盘形圆弧砂轮的几何模型,通过磨削点法向量匹配,建立工件点和砂轮点的一一映射关系,经过坐标变换可以得到相应的刀具运动轨迹,用于磨削加工。形成统一的盘形砂轮曲面磨削几何模型,并给出刀具运动轨迹的计算流程。该磨削模型适用范围广,有效解决了多种曲面磨削过程的刀具轨迹生成问题,实现了高精度的曲面磨削加工。     

基于雷达图法的防空武器系统战斗力可视化评估

运用雷达图分析法,建立防空武器系统的作战能力评估模型,实现战斗力评估可视化。阐述了雷达图法的基本原理,建立了地面防空武器系统战斗力评估指标体系,选取了8个基本指标以实例分析的形式建立3类防空武器系统的雷达图模型,并进行定性定量分析。相对于其他综合评估方法,雷达图法既能直观地反映评估对象在各指标上的相对优劣程度,又便于对评估对象作出全局性、整体性评价,简洁、直观、精确且可操作性强。     

基于位置矢量的大椭圆导航参数计算方法

基于椭球体的大椭圆航行是一种经济可行的远洋航法,为确保船舶沿期望的大椭圆航线航行,提出了一种大椭圆航线导航参数计算方法。该方法采用位置矢量法求解大椭圆顶点,进而定义了长轴矢量和短轴矢量,并在此基础上推导了形式更为紧凑的航向角、航程和偏航距计算公式。算例分析表明:该方法推导的公式计算简洁,可有效解决航海中大椭圆导航的计算问题。     

面向大规模地理矢量线数据的多层级实时可视化技术

针对主流方法难以满足多层级实时可视化的需求,提出面向大规模地理矢量线数据的多层级实时可视化技术。建立面向多层级瓦片绘制的自适应可视化模型,设计像元四叉R(pixel quad R, PQR)树空间索引和基于PQR树的自适应可视化算法,分别用于支撑模型的数据组织和可视绘制。在10亿规模数据集上的实验表明：该技术在0.57 s内可计算任一层级上的可视结果,并且计算耗时大幅小于主流方法。当数据规模急剧增长时,该技术在各显示层级上仍具有较好的可视性能,最低可视速率超过100张/s,大幅优于主流方法。该技术在单机条件下即可支撑大规模地理矢量线数据的多层级实时可视化,在空间大数据探索分析领域具备较好的应用前景。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。     

雷达天线扫描方式的自动识别方法

为了对雷达天线扫描方式进行自动识别,改进开发了天线扫描方式模拟器,并分别研究了电子扫描和机械扫描的特征提取和识别方法。基于最大主瓣脉冲序列的特征参数实现电子扫描和机械扫描的区分,然后基于单个天线扫描周期脉冲序列的特征参数实现8种机械扫描方式的自动识别。仿真结果表明,本文方法能够区分一维电扫、二维电扫和机械扫描,并且采用支持向量机决策树对机械扫描方式的识别正确率高于决策树方法。     

基于支持向量机的多元文本分类研究

根据文本分类的特点,在对最小二乘支持向量机方法进行详细分析的基础上,创建了基于最小二乘支持向量机的多元文本分类器.实验表明,采用该文本分类器能够在保持较高分类精度和召回率的基础上,提高训练效率,具有一定的可行性.