基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

线性预测编码和支持向量机在目标识别中的应用

针对利用船舶辐射噪声进行水下目标识别的问题进行研究,提出一种基于线性预测编码(LPC)倒谱系数和支持向量机(SVM)的船舶目标识别方法。该方法通过对捕获到船舶辐射噪声进行LPC倒谱分析,实现各信号分量及信道的分离,以提取其LPC倒谱参数。再采用支持向量机技术处理多类水下目标的非线性、小样本的识别分类。最后,利用仿真得到的几种水下目标辐射噪声进行本文算法试验,证明本文算法是有效的,并取得较高的识别准确率。     

基于SVM的光纤陀螺标度因数建模研究

针对光纤陀螺(FOG)标度因数随温度呈非线性变化的特性,提出采用支持向量机对标度因数进行建模的方法,以减小光纤陀螺输出误差.利用实验数据对支持向量机对进行训练,获得标度因数的温度模型从而提高FOG的精度.同时将支持向量机对标度因数进行建模的结果与传统的最小二乘建模结果进行比较,验证采用支持向量机对标度因数建模是非常有效的.     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

基于SVM的雷达目标一维距离像识别

基于支持向量机的雷达目标一维距离像识别研究。一维距离像揭示了目标径向结构的分布特性。支持向量机基于经验风险最小化原理，适用于小样本学习问题。通过对三种目标分类进行仿真实验，结果表明：该分类方法具有较高的识别性能。     

基于支持向量机和辐射噪声的舰船目标识别

分类器的构造和特征量的提取是目标识别的两个基本问题。鉴于舰船辐射噪声反映了同种舰船的特征，以及以支持向量机为核心的统计学习理论具有具有较好地解决小样本、非线性问题的能力，提出了一种新的识别方法，首先利用子波变换和多分辨分解算法对舰船目标的辐射噪声进行分解，得到目标的线谱和调制谱特征，然后使用支持向量机构造分类器，进行目标识别。实验表明，这种方法是可行的，且有较好的识别精度和较强的泛化性能。     

支持向量机的水声信号分类识别

研究水声信号识别特征的提取,在此基础上采用支持向量机理论,提出了一种水声信号的分类识别算法.该算法选取两类水声信号,提取它们的混沌特征值关联维数和h2熵作为目标信息,每类信号各提取32组数据,取两类水声信号各8组数据作为训练样本,训练支持向量机,其它样本用于验证.结果表明,支持向量机的分类算法能实现对目标的有效分类,分类效果较好,比较适合小样本、非线性分类.     

SVM在合成孔径雷达图像目标识别中的应用

提出一种采用Zernike矩和支持向量机SVM结合对SAR图像中的舰船目标类型进行分类识别的算法。此算法首先对SAR舰船切片图像进行预处理,再采用Zernike矩提取SAR舰船图像切片的旋转不变特征算子;然后,利用支持向量机的方法对目标样本进行训练构造分类器,并采用"一对一"多类方式实现多类舰船目标的识别。最后,仿真建立3类舰船三维模型,并利用本文算法进行分类识别,实验结果表明本文算法能够有效识别舰船目标。     

基于K最近邻决策的支持向量机分类算法及仿真

将基于支持向量机(SVM)的分类方法和最近邻法(NN)相结合,提出了一种SVM-KNN的分类方法。通过SVM算法对训练样本进行训练并找出支持向量,在进行待识别样本判断时,当其与最优分类面距离大于某一给定阈值时采用SVM决策模型,否则运用K最近邻法决策其类别,从而减少SVM算法的误判概率。仿真实验结果显示,运用该算法无论对于合成数据还是真实数据,在分类精度上比单独的SVM都有较明显的提高。     

支持向量机与舰船辐射噪声的分类

目标识别已经成为计算机视觉和模式识别领域的一个研究热点。但是传统的目标识别方法具有过学习和欠学习等缺点,使得目标识别无法被广泛应用。支持向量机可以有效克服这些缺点,这是因为其不仅基于统计学理论,而且可以使结构风险最小化。本文在分析舰船辐射噪声的基础上,着重研究支持向量机在目标识别中的应用。     

基于支持向量机的铁磁构件裂纹识别

鉴于支持向量机的优秀特性,将其应用在金属磁记忆检测中,构造基于梯度值的裂纹标识量,实现对裂纹的定位和裂纹程度的标定,并通过有限元仿真,计算裂纹和裂纹程度及对应的漏磁信号,得到训练样本和测试样本,并训练支持向量机。仿真结果表明：应用支持向量机实现铁磁构件裂纹识别是可行的。     

基于LS-SVM的世界海运需求量预测

针对世界海运需求量预测中存在的非线性、复杂性和不确定性,提出基于LS-SVM(最小二乘支持向量机)世界海运需求量预测模型,通过预测实验,并与其他几种常见模型预测结果比较,表明该模型具有预测精度高、速度快、容易实现等优点.     

末敏弹命中概率预测模型研究

末敏弹是一种先进的新型弹药,由于其结构复杂,影响因素多,所以对其进行全面的系统优化设计比较困难。文章探讨了基于支持向量机的末敏弹命中概率预测模型的建模方法,并采用遗传算法对系统效能参数进行了优化,获得了影响系统效能的几个主要因素的合理搭配,为末敏弹的系统效能研究提供了依据。     

基于改进的支持向量机方法的多目标图像分割

支持向量机方法被看作是对传统学习分累方法的一个好的替代，特别在小样本、高维情况下，具有较好的泛化性能。针对一对一支持向量机方法进行了改进，并采用其对多目标图像进行了分割研究。实验结果表明，支持向量机方法是一种很有前景的图像分割技术。     

基于SVM的粉煤灰混凝土抗氯离子渗透性预测方法

提出一种基于支持向量机(SVM)的粉煤灰混凝土氯离子渗透性新型智能预测模型,并给出了相应的步骤和算法。通过该模型分析了水胶比、水泥用量、用水量及粉煤灰掺入量4个因素对粉煤灰混凝土渗透性的影响。在此基础上,能利用有限的试验数据方便地由不同的配比对所浇注混凝土渗透性进行预测,有助于准确认识混凝土耐久性随配比参数的变化规律。通过具体实例及与BP预测方法效果对比表明,该模型构造速度高2~3个数量级,预测精度高5倍左右。因此该模型在混凝土性能预测和优化设计中具有广阔的应用前景。     

基于SVM的舰艇自动防御体系设计

论文针对舰艇防御现状,提出了舰艇自动防御体系的概念.利用支持向量机的方法对目标信息进行分类,根据分类情况选择相应的防御策略,并对舰艇防御对抗策略的生成方式进行了设计,同时提出了防御等级的概念.设计了防御体系的训练和启用方式,根据防御等级和目标信息启用不同的防御策略.     

基于支持向量机的多传感器船舶火灾探测技术

针对船舶火灾探测误报率高的情况，为提高火灾探测系统的可靠性，提出一种基于支持向量机的多传感器火灾信息融合方法。经过仿真试验证明，通过多传感器探测数据的有效融合，可以大幅提高火灾探测系统的火灾识别率。     

基于广义预测控制的船舶可调桨网络控制系统研究

可调螺距螺旋桨(CPP)控制系统是船舶推进系统的重要子系统.随着船舶推进系统在响应速度、操纵性能等方面的要求不断提高,CPP控制系统已从传统的控制系统发展到分布式的网络控制系统,而网络控制的引入必然产生不确定的网络时延.因此,采用支持向量机,广义预测控制和队列机制的混合控制方法设计了网络控制器,有效地补偿网络时延对CPP控制系统产生的不利影响.     

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。