基于SKO—KPCA和SVM的雷达目标HRRP特征提取与识别

将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO／FKO技术的实现方法,将SKO／FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。     

基于改进的AdaBoost和支持向量机的行人检测

针对AdaBoost算法在训练样本和特征较多时训练时间过长的问题,提出了一种改进的AdaBoot算法与支持向量机组合的分类器.对多重分类器的输出结果以非线性的方式组合,采用交替的方式轮流对不同的特征进行学习,将多重分类器处理完后的结果作为另一种输入样本,再以一个分类器做一次分类.实验表明该算法用于行人检测可行、性能稳定.     

浅谈新形势下油田企业如何强化新闻宣传工作

企业新闻宣传载体肩负着用舆论去引导员工的职责,必须把坚持正确导向放在新闻宣传工作的首位。面对新时期新闻宣传工作的新形势和新任务,企业新闻宣传工作要唱响科学发展、创新发展、和谐发展的主旋律,打好加快发展、深化改革、促进和谐、维护稳定的主动仗。根据发布加强主题宣传,重视民生新闻、积极创新企业新闻宣传的思路和手法、培养过硬的新闻宣传队伍,努力为实现企业又好又快发展提供强大的精神动力和舆论支持。     

优化SVR的加权马尔可夫链用电量预测

研究电力系统中用电量的准确预测问题.由于影响用电量的因素众多,并且用电量数据与相关因素之间呈现高度的非线性关系,传统的预测方法很难捕捉用电量的变化趋势,预测精度较低.为了提高预测的精度,提出了一种马尔可夫链优化的SVR模型.上述模型根据支持向量回归机原理,以网络搜索交叉验证的思想优化模型参数,通过加权马尔可夫链原理优化预测结果,将原来的数值预测转化为概率区间上的预测.同时,在利用加权马尔可夫链的预测信息之后,也提高了预测的精度.最后,将改进模型应用于江苏省全社会用电量的预测分析,实验结果表明优化的支持向量模型优于其它对比模型,有较高的泛化能力和预测精度.     

网络流量预测模型仿真分析与研究

网络流量的高效准确低冗余度预测,是保证网络安全的关键.网络流量的非线性影响,在突变性较强的网络流量预测中,为了应对突变性,需要大量的先验知识作为预测模型的支撑,导致出现了大量的非正常冗余数据,造成传统的的模型训练样本数量大以及结构复杂,模型不够稳定,导致预测冗余度高,效率低下.提出一种采用支持向量机模型的主成分分析的零冗余度PCA-SVM预测系统,在SVM模型的基础上,采用PCA分析方法对输入系统的一些冗余信息进行清除过滤,提高输入信息数据的贡献率,减少总体的样本训练集数量,降低SVM模型的信息维数,对网络流量的6个因子进行了系统模型构建原始驱动数据,对6个预测因子进行PCA处理,驱动因子之间具有显著的相关关系,完整去除了非相关冗余度.采用SVM-PCA模型进行数学建模,对后来10个月的网络流量进行预测.实验结果表明,改进算法比传统算法,预测偏差降低0.069,预测准确率可以提高17％以上,优化效果明显.     

帆船VMG时间序列模糊边界研究

VMG（Velocity Made Good）是帆船在前进过程中船速在风的方向上的投影,它体现了帆船在风向上前进的能力,反映了帆船运动员利用风的能力.因此,对运动员而言,若能掌握VMG的变化范围,即为他们制定帆船航行方向决策提供了科学依据.基于与上海体育局合作的《帆船帆板赛场环境监测和运动技术分析系统开发》课题所采集到的有关帆船运动的原始数据,首先,采用基于模糊集的信息粒化方法将原始数据粒化,得到VMG的模糊粒子;之后,采用支持向量机（Support Vector Machine,SVM）的学习方法实现对模糊粒子的上下界的回归预测,从而实现了帆船VMG时间序列的模糊边界的变化范围预测.实验仿真结果证明了这种研究方法的有效性.     

基于AHP-SPA的水库移民后期扶持效果评价

对水库移民后期扶持效果开展评价研究有利于研判水库移民后期扶持政策的落实情况,为水库移民相关政策的动态调整提供科学参考。本文以甘肃省水库移民后期扶持效果为研究对象,通过梳理相关调查成果及政策文件,综合经济、社会、环境等方面的因素,针对水库移民问题筛选了5 个一级指标28 个二级指标建立了后期扶持效果评价指标体系,运用层次分析法和集对分析法先后确定评价体系中各指标的权重和联系度,最后通过评价等级的计算来定量评价水库移民后期扶持效果。甘肃省水库移民后期扶持效果总体评价得分为0.420,评价等级为良,指标中基础设施联系度较低,未来应重点加强移民村基础设施建设。     

基于PCA和SVM的遥感影像水体提取方法及验证

针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明：PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。     

服役工况下的高速列车轴承温度预测模型构建

轴承温度预测对高速列车服役状态的评估以及运维策略的制定具有重要作用。针对复杂服役环境下的高速列车轴温预测问题,首先构建了轴承热力学近似计算模型,并分析了引起轴承温升的服役工况敏感参数,再利用支持向量机回归的方法建立了基于服役工况参数的轴承温度预测模型。对高速列车轴承履历服役数据进行统计分析,构建轴承温升相对速度变化的延迟量,确定轴承与环境的温差对轴承温升的影响,并据此对预测模型进行优化。以某高速列车大齿轮箱滚动轴承为例进行预测模型构建及优化方法验证,测试结果显示:预测模型优化前的综合平均相对预测误差为1.64%,优化后为1.35%,降幅为17.7%,预测模型优化前的综合最大相对误差为35.6%,优化后为17.7%,降幅50.3%。     

基于EEMD和萤火虫算法优化SVM的溶解氧预测

养殖池塘中的溶解氧(DO)对水产品的生长和品质有着至关重要的作用。为了提高溶解氧预测的准确性和有效性,提出了一种基于集合经验模态分解(EEMD)和萤火虫算法(FA)优化支持向量机(SVM)的组合预测模型。首先,将DO时间序列通过集合经验模态分解为一组去除噪声的并相对稳定的子序列。接着,利用相空间重构(PSR)重建分解子序列,在相空间中用SVM对各子序列进行建模预测。然后,利用萤火虫算法对SVM的参数进行优化,建立基于SVM的预测模型,最后得到原始DO序列的预测值。为了获得未来24小时的预测结果,采用单点迭代法实现多步预测。仿真结果表明,所提出的EEMD-FA-SVM组合预测模型比FA-SVM、EEMD-FA-BP和EEMD-PSO-SVM等模型具有更好的预测效果,能够满足现代渔业养殖水质精细化管理的高需求。