基于决策SVM的入侵检测技术研究

在网络入侵检测中，数据类别不均衡训练集的使用将产生分类偏差，支持向量机是一种新型的统计学习模型，在处理小样本和学习机的推广能力上有很大的优势．针对支持向量机解决k个多类分类问题存在训练样本数据大、训练困难的问题，提出基于支持向量机的决策树训练算法，构建了基于支持向量机决策树的入侵检测系统模型．利用KDDCup99数据集，将本文提出的算法与Lee-Carter方法和1-v-R方法进行了对比实验．通过实验和比较表明，该方法的训练效率大大提高，并且具有较高的检测率．     

支持向量机在船舶电力推进系统故障诊断中的应用

针对人工神经网络收敛速度慢、容易陷入局部最优解等不足,本文采用支持向量机技术建立船舶电力推进故障诊断系统。确定支持向量机的核函数和分类方法,结合训练样本,采用基于网格搜索的K重交叉验证法进行核函数的参数优化,从而得到支持向量机故障诊断模型。利用支持向量机工具箱函数,在MATLAB中进行故障诊断模型的仿真计算,结果表明基于支持向量机所建立的故障诊断模型有较强的诊断准确性和泛化推广能力,从而提高船舶的安全性。     

鱼雷发动机参数自整定PID控制

提出一种用于鱼雷发动机的参数自整定PID控制方法。该方法利用支持向量机的非线性函数拟合能力辨识发动机的动态特性,采用粒子群算法实现PID控制器的参数优化。仿真实验表明,支持向量机能很好地拟合发动机的动态特性,基于粒子群算法的参数自整定PID控制器响应快速、无超调,控制效果良好,具有工程应用价值。     

船舶操纵性能及其代理模型构建

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标：进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian 支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

船舶操纵性能及其代理模型构建（英文）

为了提高船舶操纵性能计算效率,文章结合基于NAPA计算仿真结果和支持向量回归方法预报海洋平台支援船的操纵性能,在收集足够相关船型信息前提下,采用能够合理探索设计空间和抽样的拉丁超立方方法获取了30条样本船型数据。通过NAPA仿射变化、位移转换及根据船型设计变量进行局部调整从而生成系列船型以表达船体几何形状。针对每个船型,分别计算了5项操纵性衡准指标:进距、战术直径、横距、10°舵角第一超越角和20°舵角第一超越角。为提高船舶操纵性能的计算效率,文中利用作者早先新提出的一种单参数Lagrangian支持向量回归算法来训练并构建代理模型以预报船舶操纵性能,该算法整合了Laplace损失函数,仅采用单参数控制计算误差并于置信区间中增加了b~2/2项。以海洋平台支援船为例,采用SPL-SVR算法预报船舶操纵性能,并与基于NAPA计算仿真结果、人工神经网络、经典支持向量回归算法进行对比。不需要昂贵的仿真代码计算,文中采用SPL-SVR算法建立的船舶操纵性能响应面模型比较适合船型初步设计的工程实际应用,并具有较好的效率和适用性。     

快速SVM算法及在陀螺仪参数漂移预测中的应用

针对支持向量机在对海量训练样本进行训练时,训练速度慢而导致难以应用的问题,通过分析训练样本数目与训练时间之间的关系,利用支持向量机对小样本学习的良好特性,提出了基于样本分组的支持向量机快速训练算法.将海量样本分成小样本进行训练,然后对训练得到的多个支持向量机进行加权处理得到决策函数.此方法在标准数据以及陀螺仪参数漂移数据上进行了仿真应用,方针结果证明该方法可大幅提高训练速度,同时保证了较好的泛化能力.     

五自由度无轴承异步电机动态解耦控制

为实现五自由度无轴承异步电机高精度动态解耦控制,提出一种基于最小二乘支持向量机逆的解耦控制方法.首先,建立五自由度无轴承异步电机数学模型并进行可逆性分析,然后,利用最小二乘支持向量机在有限数据样本下对高维非线性函数的回归能力来辨识五自由度无轴承异步电机逆模型,并利用粒子群算法优化最小二乘支持向量机的参数,以提高对逆模型的拟合和预测精度,最后,将最小二乘支持向量机逆与原系统相串联得到伪线性系统,并设计PID闭环控制器对五自由度无轴承异步电机进行复合控制,实现了原系统径向位移、轴向位移、转速以及磁链间的非线性动态解耦.仿真研究验证了该控制策略的有效性.     

基于特征加权支持向量机的武器系统效能评定方法

针对武器系统效能综合评定的任务需求,同时考虑到传统特征选择方法的不足,提出采用一种监督型封装模式的加权特征选择方法用于武器系统的效能评定,能有效区分不同特征对效能的影响程度。鉴于支持向量机的良好应用效果以及混合核函数的优良性能,采用基于混合核函数的支持向量机建立特征与效能之间的关系模型。考虑到特征选择和评估模型建立的目标一致性,提出一种基于粒子群优化算法的联合优化方法,同时实现特征的影响程度分析和效能评估模型的优化。最后以导弹系统的效能评定问题为背景开展应用分析,实际计算表明所提出方法的有效性。     

基于支持向量机的船舶结构优化方法

针对船舶等大型结构在优化过程中耗时长的问题,提出了支持向量机与遗传算法组合优化方法。基于支持向量机建立结构的近似模型,代替耗时长的有限元分析并应用遗传算法进行结构优化,形成一套省时、精度高、适应性强的优化方法。以某舱段结构优化为例,建立支持向量机近似模型,模拟结构设计尺寸与结构响应的映射关系,并选用二阶响应面模型做精度对比。分别使用支持向量机与遗传算法组合优化方法(SVM-GA)、传统的有限元法与遗传算法组合优化方法(FEM-GA)进行优化分析,计算结果表明,SVM-GA法相对于传统的FEM-GA法,不仅显著降低计算时间成本,而且具有良好的精度。     

改进蚁群算法的船舶软件系统可靠性评价

船舶软件系统可靠性是评价软件系统生命周期的一个重要指标,支持向量机在船舶软件系统可靠性评价中存在的参数优化难题,使得船舶软件系统可靠性评价错误率大。以减少船舶软件系统可靠性评价错误率为目标,提出改进蚁群算法的船舶软件系统可靠性评价方法。首先分析当前船舶软件系统可靠性评价国内外研究状态,指出了参数对船舶软件系统可靠性评价结果的影响程度,然后采用改进蚁群算法对支持向量机的参数进行估计,并应用于船舶软件系统可靠性评价的建模中,最后与传统支持向量机的船舶软件系统可靠性评价方法进行对比分析。结果显示本文算法的船舶软件系统可靠性评价错误率大约为5%,而传统支持向量机误率大约为10%左右,本文算法的船舶软件系统可靠性评价可信度更高。     

大型军用仓库资源配置规划研究

针对大型军用仓库的资源配置规划需求,分析构建了资源配置问题的两层决策模型,提出了综合满足上层投资指数和下层保障时间要求的多目标优化资源配置策略,阐述了与遗传算法设计相关的初始配置确定、染色体构建、适应度函数选择等技术问题。仿真证明,经优化后的资源配置方案在满足任务保障时间要求的前提下,可以最大限度地降低投资成本和建设难度,对资源配置规划研究具有普遍意义。     

高速三体船的快速性综合优化研究

讨论了一种高速三体船的快速性综合优化设计问题,在对一型三体船进行系列模型试验的基础上建立了快速性综合优化设计数学模型.采用遗传算法作为优化方法,编制了C++优化计算程序,基于大量的计算,确定了合理的进化代数;得到了快速性指数在傅汝德数Fr为0.32~0.44之间随速度和船长的变化曲线.文中提出的优化方法及计算结果可为高速三体船初步设计提供技术支撑.     

高速单体船航行性能与结构力学特征综合优化初步研究

建立高速单体船航行性能与结构力学特征综合优化的数学模型,将遗传算法改进成一种适应多目标和多约束的算法,并将其应用于高速单体船航行性能与结构力学特征综合优化计算问题,利用界面友好的VC 软件编程。优化结果表明,改进的遗传算法计算可靠、效率高,并为设计综合性能优良的高速单体船船型准备了良好的基础条件。     

吃水受限的内河大型船舶航行性能综合优化方法研究

建立吃水受限的内河大型船舶航行性能综合优化的数学模型,又基于并行算法和遗传算法思想,构造了一种分层并行遗传算法,对于吃水受限的内河大型船舶航行性能综合优化问题进行了一般遗传算法、并行遗传算法和两层及三层并行遗传算法的大量优化计算,结果表明,该分层并行遗传算法计算可靠、效率高,为设计综合性能优良的内河船船型准备了良好的基础条件。     

基于支持向量机的可靠性增长费用建模与分析

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法，具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数武器装备可靠性增长费用预测模型，然后对我军某型现役装备使用阶段可靠性增长费用数据进行了预测与分析。结果表明，与一般的回归分析相比，基于支持向量机的回归模型具有很好的预测精度。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法.首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤.对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度.然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度.通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度.     

加权支持向量回归算法在船舶智能建模中的应用

在分析现有基于高斯核的支持向量回归方法优缺点的基础上,将高斯核参数加权与支持向量回归算法相结合,实现了一种"基于高斯核参数加权的支持向量回归算法".在该新算法中引入一种带权重因子的核函数,其中权重因子由输入向量来确定,同时将该算法应用在散货船舶主尺度要素智能化建模中并与常规算法进行了比较.试验结果表明了这种改进的支持向...     

基于粒子群算法的起重船扒杆结构优化设计

基于Isight优化软件和通用有限元软件,以扒杆重量为目标函数,采用粒子群算法（PSO）和遗传算法对某起重船扒杆结构进行了优化设计,并讨论了PSO算法的稳定性。通过对两种算法优化结果的比较分析表明,PSO算法优化效果好,收敛速度快,且计算稳定性高,验证了PSO算法在工程船舶结构优化设计中的有效性。     

基于BP-GA算法的环肋锥柱壳多目标优化设计

本文以超大潜深的潜艇耐压壳结构为研究对象,利用排水量表达式估算潜艇主尺度。通过Ansys软件的Apdl语言建立环肋锥柱壳的有限元模型,并分析计算耐压壳的强度及稳定性。以肋骨间距、耐压壳厚度和肋骨尺寸作为离散设计变量,以结构重量、总体失稳临界压力作为优化目标,实现基于神经网络和遗传算法的环肋锥柱壳多目标优化设计。在Matlab平台上,首先用拉丁超立方体抽样,再用BP神经网络建立起样本点和目标函数之间的映射关系,构建神经网络代理模型,最后调用多目标优化函数gamultiobj进行优化。优化结果表明,利用BP神经网络和遗传算法相结合进行复杂模型环肋锥柱壳的多目标优化,效率较高,精度较好,达到较理想的优化效果。     

基于最优控制的双喷推无人艇路径跟踪方法

针对双喷推无人艇自主航行时的路径跟踪问题,采用最优控制的方法进行求解。根据双喷推无人艇的动力学特性建立双喷推无人艇三自由度运动方程,并由任务需求设定目标函数;在此基础上,根据航行实况建立约束条件,从而得到求解双喷推无人艇路径跟踪问题的数学模型。通过建立含有拉格朗日松弛项的哈密顿函数,将带有复杂约束的优化问题转化为无约束优化问题,采用粒子群优化算法求解最优拉格朗日乘子,并将其代入哈密顿函数;采用广义梯度下降法对数学模型进行求解,得到最优的喷泵电机转速,从而实现对双喷推无人艇的路径跟踪控制。设计实船试验验证方法的有效性,双喷推无人艇路径跟踪试验结果表明,双喷推无人艇实测的轨迹与设定轨迹的最大偏差不超过3m,该方法具有可行性和实用性。