基于支持向量机的典型船体结构裂纹损伤模式分类研究

为了识别典型船体结构裂纹损伤,提出基于支持向量机(SVM)的分类方法,采用固有时间尺度分解(ITD)和奇异值分解(SVD)方法对振动信号进行特征向量提取,得到训练样本和验证样本数据,应用SVM算法对训练样本数据进行正确的分类。为评估SVM分类准确性,引入BP神经网络算法进行对比分析,2种算法对验证样本进行分类预测,结果证明SVM方法对小样本试验数据进行模式分类具有更高的准确率。对十字加筋板的损伤模式进行分类研究,可对船体局部结构的维修和管理提供更好辅助决策支持。     

基于剪辑支持向量机的雷达目标识别方法

支持向量机（SVM）具有分类精度高、泛化能力强等优点,已成功应用在雷达目标识别领域。但其性能受多种因素影响。针对低信噪比、分类面混迭、参数选取等问题,文章提出剪辑SVM分类器,通过小波去噪、剪辑、矩阵相似度优选参数等手段有效抑制上述问题的影响。外场实测数据的仿真也表明剪辑SVM的性能优于传统SVM与最近邻分类器。     

一种基于乘性规则和支持向量域的水中目标识别分类器探讨

目标识别是水中设备智能化的关键技术之一.通过阐述支持向量域描述(SVDD)以及乘性规则(GA)的原理,提出基于乘性规则和支持向量域结合的方法对水中目标进行分类识别,对比SVM算法需要支持向量数多,运算速度慢的缺点,该方法能有效提高优化识别速度.     

基于支持向量机的模式识别方法研究

本文对支持向量机的原理和应用进行了综合论述。首先,概要叙述了支持向量机(SVM)的产生背景和发展前景。简要介绍了SVM的定义、分类及算法。最后,对SVM在文本识别、数字识别、人脸检测、人脸识别、人脸认证、回归分析及预测、图像检索、特征提取等方面的应用进行了讨论。     

结合纹理的支持向量机合成孔径雷达溢油监测

针对目前合成孔径雷达(Synthetic Aperture Radar,SAR)监测溢油存在的问题,在分类时考虑像元灰度的空间分布和结构特征;同时考虑分类时样本不足的缺陷,采用结合纹理的支持向量机(Support Vector Machine,SVM)遥感图像分类方法,进行溢油目标的识别。以发生在西班牙的"威望号"溢油事件为例,利用目标样本对以灰度共生矩阵法提取各种纹理特征进行了分析,指出均值、对比度、方差、熵和相异性能够较好地识别溢油目标。采用最小距离、最大似然和SVM分类器分别对溢油目标进行提取,结果表明SVM具有较好的分类精度。     

基于改进支持向量机(SVM)模型的荆州港吞吐量预测

在编制港口总体规划过程中,港口吞吐量的预测对于提出规划方案至关重要,支持向量机(SVM)方法是港口吞吐量预测较为常见和有效的预测方法。针对港口吞吐量预测影响因素复杂的问题,以荆州港总体规划为实例,研究分析了影响港口吞吐量的主要指标因素。在采用SVM预测方法的基础上,运用遗传算法(GA)、网格搜索算法(GS)对SVM模型主要参数进行优化改进,GA-SVM和GS-SVM模型预测结果都是在支持向量机预测方法的基础上,采用遗传算法和GS方法对支持向量机模型的主要参数进行优化和改进,并用MSE和R2检验了遗传支持向量机和GS支持向量机模型的预测结果。改进后的SVM模型是在当前研究成果基础上提出的一种新港口吞吐量预测方法,可将该模型在港口总体规划工作中进行推广应用。     

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SVM的2PTMC多分类算法在船舶柴油机故障诊断中的应用

文章针对船舶柴油机故障特征变得越来越复杂,且大量的故障样本难以获得的状况,引用基于小样本的支持向量机算法(SVM)分类器。采用基于SVM的2PTMC算法,该方法根据故障优先级的不同,将不同类故障逐层分类,相比于传统的一对一(OVO)和一对多(OVA)多分类策略,该方法具有模型简单、重复次数较少的优点。文章构建了一个四级SVM分类器,结果表明,该方法适用于船舶柴油机故障分类。     

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。     

基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该方法已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。这里提出了一种基于单参数的拉格朗日(Lagrangian)支持向量回归算法,并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。     

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．     

基于小波和仿射不变矩特征融合的舰船型号识别

针对不变矩对仿射形变目标描述的不足,为提高舰船型号的识别精度,提出一种基于小波和仿射不变矩特征融合的舰船型号识别方法.首先对二值舰船图像进行归一化处理,并分别提取归一化舰船图像的小波矩特征值和仿射不变矩特征值;然后通过计算样本特征均值与标准差的比值,选择出鲁棒性好、稳定性高的特征,通过归一化方法进行融合;最后构造五类舰船的样本集,采用支持向量机(SVM)作为分类器识别测试样本的型号,分析不同矩特征、样本集大小、SVM参数、本文方法对识别精度、稳定性的影响.实验结果表明,文中给出的算法提高了识别精度,并且在训练样本集较小时仍能获得88%以上的识别率.     

基于支持向量机的舰船维修费用组合预测研究

在费用预测中，利用单一模型往往存在着信息不足的缺陷。为了提高舰船维修费用的预测精度和稳定性，采用支持向量机（SVM）回归算法，把几种单一预测模型结果作为输入，实际值作为输出，然后用足够多的预测案例训练学习机器，在各组合的模型预测结果与实际之间得到一种非线性映射关系，从而建立了非线性组合预测模型。最后，以某型舰船维修费用为例，对指数平滑法、灰色预测和参数法3种方法的预测结果进行仿真，结果表明此法较传统的单一模型预测法具有更高的预测精度。     

加权支持向量机在机器状态识别中的应用

在机器状态识别中采用加权SVM算法,对类别差异造成的影响进行了相应的补偿,从而提高了小类别的分类精度,这对于需要重点关注小类别精度的应用场合有重要的现实意义,以某减速箱轴承为例,取得了较好的实验结果。     

一种基于拓展支持向量机的无人船路径规划方法

为有效解决无人船实现智能航行面临的路径规划问题，提出一种基于拓展支持向量机（SVM）的路径规划方法。该方法在传统SVM路径规划方法的基础上，考虑任务途中障碍物的规避风险，将工作任务的起止点作为约束条件对传统方法进行拓展，并针对不同的应用情景给出线性路径规划和非线性路径规划的求解方法。同时，为提高路径规划的效率，从SVM的原理出发，提出一种训练集裁剪的方法，大幅度减少利用SVM求解路径时所需的训练样本个数。此外，通过仿真验证该方法的可行性和有效性。     

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.     

Classification of underwater still objects based on multi-field features and SVM

A Support Vector Machine is used as a classifier to the automatic detection and recognition of underwater still objects. Discrimination between the objects can be transferred into different projection spaces by the process of multi-field feature extraction. The multi-field feature vector includes time-domain, spectral, time-frequency distribution and bi-spectral features. Underwater target recognition can be considered as a problem of small sample recognition. SVM algorithm is appropriate to this kind of problems because of its outstanding generalizability. The SVM is contrasted with a Gaussian classifier and a k-nearest classifier in some experiments using real data of lake or sea trial. The experimental results indicate that SVM is better than the others two.     

Performance decay of stern bearing based on lubrication numerical model and state parameters北大核心CSCD

[目的]为了实现对船舶艉轴承润滑状态的监测和评估,提出一种结合润滑性能衰变模型和支持向量机(SVM)算法的艉轴承润滑性能评估方法。[方法]针对船舶艉轴承润滑状态难以监测和识别的问题,建立轴承润滑衰变数值模型,并运用实验数据对该模型进行验证,研究载荷、粗糙度和半径间隙对润滑状态衰变机理的影响。基于SVM算法,构建润滑状态分类器,通过网格搜索算法优化超参数,利用不同润滑状态的数据集进行训练,最后实现对艉轴承润滑状态的评估。[结果]结果显示,随着外部载荷、粗糙度和半径间隙的增大,轴承润滑状态恶化的临界速度增大,动压润滑工作范围减小,混合润滑工作范围增大;由仿真数据集对润滑状态识别模型的验证表明,所提的润滑状态识别方法准确率达96.88%。[结论]所提方法能监测轴承的润滑性能特征,有效识别轴承的润滑状态。