基于支持向量机集成的导弹发动机压力预测

针对导弹发动机压力下降难以预测的问题,根据某型导弹发动机压力实测数据,首先将实测数据进行插值处理,然后利用前5组数据为输入数据,后一组数据为预测数据,采用支持向量机集成方法对导弹发动机压力进行模型辨识,实现导弹发动机压力预测.通过对3组发动机压力实测数据进行仿真分析,发现支持向量机集成预测误差最大为0.102%,满足导弹发动机压力预测要求,对导弹发动机压力预防性维修具有重要作用.     

基于多核优选的装备费用支持向量机预测法

针对支持向量机的核函数选择存在盲目性问题,提出多核优选的装备费用支持向量机预测方法。在不同核函数条件下,以提高推广能力拟合精度为目标,结合变步长多层次搜索算法选择最佳参数,确定拟合效果,通过判断选择最佳核函数。实例计算表明,多核优选的支持向量机预测方法精度高,通用性好。     

基于支持向量机的预测控制算法

采用基于支持向量机的模型预测控制法来实现非线性模型预测控制.控制器设计采用改进MOUSE(Modifled Univariate Search)方法来解决非线性约束优化问题.其具体实现通过计算种群适应值函数、检查每个解是否满足约束条件、选取一定数量产生子代的种群计算相应适应值,更新设计变量等步骤完成.     

基于遗传算法优化支持向量机的航空装备维修费用预测

针对传统航空装备维修费用预测方法难以计算得到满意结果的问题,建立遗传算法优化支持向量机的航空装备维修费用预测模型。将遗传算法与支持向量机相结合,利用遗传算法对支持向量机的参数进行优化,通过实例对GA-SVM模型的应用进行分析对比。结果表明：在航空装备维修费用预测中,该模型比SVR、BP神经网络、偏最小二乘回归以及传统普通多元线性回归方法,具有更高预测精度和泛化能力。     

基于支持向量机的缺失飞行参数预测方法

通过对统计学习理论与支持向量机的理论分析,提出了一种基于支持向量机的缺失飞行参数预测方法。通过对两种不同情况的仿真,结果表明这种方法可行、有效。     

基于支持向量机的柴油机燃油系统故障诊断

介绍了支持向量机（SW）的机理,应用SVM对柴油机燃油系统进行故障诊断,通过试验确定了SVM参数的选择方法．实践诊断结果表明,SVM具有较好的诊断效果,对故障样本诊断的准确度较RBF神经网络高．     

基于V-支持向量机与ε-支持向量机的非线性系统辨识

介绍了V-支持向量机与ε-支持向量回归机的原理,并针对函数辨识问题作了仿真和比较,分析了其异同与优缺点.探讨了利用支持向量机进行非线性系统辨识的方法,仿真结果表明了V-支持向量机的有效性与优越性,并分析了V-支持向量机中参数V的变化对辨识结果的影响.     

基于RS理论的支持向量机分类模型

基于粗糙集(RS)的支持向量机(SVM)分类模型用RS预处理原始样本数据,通过属性和对象的约简消除输入样本数据冗余条件和样本,简化样本数据空间维数.预处理后数据作为样本数据训练SVM,其模型采用模糊离散.用C 编程实现仿真,选用RBF核函数训练SVM,仿真证明该分类模型提高训练速度和分类精度.     

基于粗糙集的支持向量机回归建模及应用

为提高船舶费用建模的精度,找出影响船舶费用建模的相对重要因素,减少各因素之间的相关性对费用模型的影响,提出用粗糙集理论改进支持向量机的建模方法。对数据进行一般约简,去除冗余信息,再进行支持向量机建模预测,建立费用预测模型。实例计算表明,粗糙集改进支持向量机方法的建模精度高,通用性强。     

基于支持向量机的手写体数字识别

支持向量机的手写体数字识别中,采用美国邮政服务数据库.并取多个2层神经网络中的最好者得出2层神经网络结果,专门设计5层卷积神经网络Lenetl.所有的结果均直接采用点阵输入,将像素值归正到相应区域间,且不施加任何预处理.该方法与人工分类、神经网络、决策树等方法比较,其测试误差低,测试速度高.     

基于支持向量机的热喷涂层接触疲劳寿命预测

针对热喷涂层接触疲劳寿命的预测问题,利用装备再制造技术国防科技重点实验室研制的新型接触疲劳/磨损多功能试验机(RM-1试验机),基于中心复合设计进行等离子喷涂Al2 O3-40％TiO2涂层(AT40涂层)受到接触应力、转速、涂层厚度和滑差率共同作用下的接触疲劳寿命试验,并通过扫描电镜观察涂层的失效形貌.采用3σ准则检...     

基于支撑矢量机的导弹惯性器件故障预报系统研究

文中针对导弹惯性器件故障预报系统的设计要求,考虑到支撑矢量机用于故障预报的优点,在导弹惯性器件的故障预报过程中应用了支撑矢量机的训练算法.把支撑矢量机、预测理论和故障诊断系统有机结合起来,建立了一个故障预报系统.利用该系统选取支撑矢量机预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的支撑矢量机预测模型和训练算法是有效和可行的.     

基于多小波能量谱与SVM的导弹惯性器件故障预报

针对利用时域信号进行故障预报精度低的问题,提出一种基于多小波能量谱与支持向量机(SVM)的故障预报方法.该方法以信号在多小波域上分解形成的能量谱作为故障的诊断特征,通过距离评测准则选取最优多小波能量谱特征子集.最后将最优特征作为样本训练支持向量机.利用训练后的SVM进行故障预报,试验结果表明多小波能量谱能更有效地反映惯性器件故障特征,利用SVM与多小波能量谱结合可以得到更好的预测精度.     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

A Support Vector Machine Based on Bayesian Criterion

SVM handles classification problem only considering samples themselves and the classification effect depends on the characteristics of the training samples but not the current information of classified problem.From the phenomena of data crossing in systems,this paper improves the classification effect of SVM by adding the prior probability item reflecting the classified problem information into the decision function,which fuses the Bayesian criterion into SVM.The detailed deducing process and realizing steps of the algorithm are put forward.It is verified through two instances.The results showthat the new algorithm has better effect than the traditional SVM algorithm,and its robustness and sensitivity are all improved.     

基于SVM 的装备费用估算

针对传统建模方法无法解决“小样本、高维度、非线性”类大型复杂装备系统装备的费用估算问题,提 出基于支持向量机(support vector machine,SVM)的方法。针对SVM 方法固有的缺陷进行优化改进。结果表明,该 方法为装备全寿命费用估算做了有益探索。     

Threat Assessment of Targets Based on Support Vector Machine

In the context of cooperative engagement of armored vehicles, the threat factors of offensive targets are analyzed, and a threat assessment （TA） model is built based on a support vector machine （SVM） method. The SVM-based model has some advantages over the traditional method-based models： the complex factors of threat are considered in the cooperative engagement; the shortcomings of neural networks, such as local minimum and ＂over fitting＂, are overcome to improve the generalization ability; its operation speed is high and meets the needs of real time C2 of cooperative engagement; the assessment results could be more reasonable because of its self-learning capability. The analysis and simulation indicate that the SVM method is an effective method to resolve the TA problems.