数据库技术在专家系统知识表示中的应用

通过对专家系统知识表示以及数据库技术的研究,提出了一种用关系数据库表示产生式知识,构建专家知识库的方法。结合燃气轮机故障诊断模型的开发,阐述了该方法的理论和实现过程,并将系统的应用结果与BP算法和支持向量机模型进行了比较。     

基于支持向量机的惯性导航初始对准

详细分析了支持向量机(SVM)在非线性函数逼近的原理,并把支持向量机的这种特性应用到惯性导航系统的初始对准过程。仿真结果表明,支持向量机用于惯导系统初始对准问题的有效性,既可以获得与卡尔曼滤波器相同的对准精度,又可提高系统的实时性。     

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。     

航运企业客户信用监测预警研究

提出了基于系统模糊优选和支持向量机的客户信用监测预警模型,该方法首先通过系统模糊优选模型划分样本类别,处理了不确定性信息,标示出样本的信用警级,其次利用标示样本对支持向量机进行训练,建立基于二叉树的多类支持向量预警模型;最后,对航运企业客户信用进行监测预警实验,并与BP神经网络和Logit模型进行对比,实验表明该方法有效、可行.     

支持向量机技术在舰船航向广义预测与控制中的应用

舰船在海上航行时,受到海浪等干扰力的作用难免会偏离既定航线,严重时甚至发生搁浅等事故,航向的广义预测与控制决定了舰船的航行效率和安全性,是船舶工业领域研究的重点。支持向量机技术是一种新型的智能学习算法,该算法在非线性系统求解、小样本、高维度系统求解领域有重要应用。本文以舰船航向预测与控制为研究对象,系统介绍了支持向量机算法,并基于支持向量机技术对船舶航向进行预测与控制。本研究对于提高舰船航向预测与控制有重要意义。     

基于最小二乘支持向量机的船舶集中空调系统能耗预测

为了获得更高的船舶集中空调系统能耗预测结果,提出了基于最小二乘支持向量机的船舶集中空调系统能耗预测方法。首先分析船舶集中空调系统能耗预测研究进展,并设计了船舶集中空调系统能耗预测原理,然后采集船舶集中空调系统能耗历史数据,并采用最小二乘支持向量机对船舶集中空调系统能耗历史数据进行学习,获得船舶集中空调系统能耗预测模型。最后在相同环境下,与其他船舶集中空调系统能耗预测方法进行了对比测试。结果发现,最小二乘支持向量机的船舶集中空调系统能耗预测精度超过90%,误差控制在10%以下,可以满足船舶集中空调系统能耗控制的实际应用要求,预测误差远小于其他船舶集中空调系统能耗预测方法,体现了本文方法的优越性。     

基于SVM的武器装备批量生产成本费用模型

利用支持向量机建立了批量生产成本费用模型,批量生产成本费用与影响因素的关系可通过支持向量机的核函数和拉格朗日乘子得到体现。由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。通过实例与熟练曲线法、最小二乘法和加权最小二乘法的结果进行了比较,结果表明支持向量机比较精确。     

支持向量机改进算法在船舶桨叶数分类中的应用

利用船舶目标辐射噪声DEMON谱特征,采用支持向量机改进算法,实现了对船舶螺旋桨桨叶数的分类识别应用研究。针对支持向量机算法对噪声比较敏感和求解最优分类面时约束较多不利于支持向量机最优分类面寻优的问题,在保持支持向量稀疏特性和应用径向基核函数的条件下,对支持向量机算法在松弛变量和决策函数2方面进行改进,构造齐次决策二阶损失函数径向基支持向量机改进算法,进行理论分析、数据仿真实验,并应用于利用船舶目标辐射噪声DEMON谱进行船舶螺旋桨桨叶数的分类识别实验。结果表明,该改进算法实现了支持向量机在二次规划中的最小约束条件下最优分类面求解,具有模型参数寻优空间广阔、总体分类性能优的特点,其分类性能优于原支持向量机算法,适用于利用船舶目标辐射噪声DENOM进行船舶螺旋桨桨叶数分类应用。     

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．     

基于粒子群优化支持向量回归机的渲染时间预估

通过对使用V-Ray渲染器的渲染系统进行深入分析,提取出影响渲染时间的13个特征参数,研究了基于粒子群优化支持向量回归机(PSO-SVR)的渲染时间预估方法,采用粒子群算法随机搜索策略优化支持向量回归机的训练参数,获得了较优的支持向量回归机预测模型,实现渲染时间的准确预估.实验结果表明,在渲染时间预估中,PSO-SVR比BP神经网络和逐步回归预测精度高,并且具有较好的泛化能力.     

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SVM—ANN混合模型的某型舰炮武器随动系统故障诊断研究

支持向量机和人_T神经网络是在故障诊断方面比较常用的两种方法.针对支持向量机和人工神经网络在故障诊断方面的优势和不足,提出了一种基于SVM-ANN混合模型的故障诊断方法,并将其应用在某型舰炮武器随动系统的故障诊断中,该方法具有诊断速度快、诊断精度高等优点.     

一种船舶组合导航系统混合误差模型及应用

针对GPS与微机电系统组合导航系统存在高非线性的缺陷,特别是GPS失效期间同卡尔曼滤波方位估计相关的不确定性的影响,提出混合误差模型。使用支持向量机对卡尔曼滤波输出进行建模,利用基于自回归的快速正交搜索对非线性方位误差进行建模,针对GPS/简化的惯性传感器系统利用混合支持向量机-快速正交搜索方法同传统卡尔曼滤波和增强卡尔曼滤波-快速正交搜索方法进行比较,结果表明,混合支持向量机-快速正交搜索方法优于卡尔曼滤波算法和增强卡尔曼滤波-快速正交搜索算法。     

使用协议分析和聚类支持向量机的入侵检测方法

根据入侵检测中协议分析技术与聚类支持向量机各自不同的检测特点,将协议分析技术融合到聚类支持向量机中,提出了一种新的入侵检测方法.通过协议分析不但可以快速地检测出入侵行为,而且可以有效减少支持向量机的训练时间,同时结合聚类算法进一步减少支持向量机的训练时间和预测时间,从而提高聚类支持向量机的检测效率.使用KDD99中的数据集进行仿真,试验结果表明,算法具有可行性、有效性,能有效提高检测率,降低误报率.     

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。     

基于支持向量机模型的船舶油污损失估算

将支持向量机引入了船舶油污损失赔偿额的估算中,通过从历史船舶溢油事故案例中选取了十组样本数,以污染损失赔偿额与影响因子集作为训练样本,建立了船舶溢油事故污染损失额估算的支持向量机模型.并对支持向量机模型进行仿真训练学习,并将训练好的神经网络应用于对相关案例的估算.研究结果表明应用支持向量机方法进行溢油损失估算结果客观、可靠,为船舶油污索赔和环境保护提供了有力的理论依据.     

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。     

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.     

基于支持向量机的舰船建造预付款风险评估

舰船建造项目的规模和复杂性日益增大,预付款风险也得到了军方的日益重视.针对传统风险评估方法的不足,应用基于支持向量机的模型进行舰船建造预付款风险评估.建立了预付款风险评估指标体系,将支持向量机方法与BP神经网络方法进行对比,结果显示支持向量机可以很好的应用于风险评估.评估结果可供预付款管理决策时参考.     

一种新的船型主尺度要素的数学模型

主尺度要素数学模型的建立是一项重要的工作.在分析支持向量机回归方法的基础上,提出了一种新的船舶主尺度要素模型,即基于支持向量机的数学模型.与传统数理统计回归分析方法和RBF神经网络模型相比,其具有收敛速度快,精度比较高.实践证明,该方法在船舶设计船型主尺度要素建模等复杂系统方面是实用和可靠的.