基于支持向量机回归方法的舰船修理价格预测研究

对常规预测方法和支持向量机回归模型用于舰船修理价格预测进行比较，着重分析应用支持向量机进行舰船修理价格预测的具体形式以及方法特点，并给出应用实例，结果令人满意。     

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。     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

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.     

基于支持向量机的高分辨率遥感影像的舰船目标识别研究

舰船目标识别技术是海上监测和作战的关键技术,能否快速而准确对海上目标进行识别,关系到海上作战的胜负。近年来,基于计算机图像识别和处理的舰船目标识别技术发展迅速,SAR图像处理技术在海洋遥感探测领域获得了广泛的应用。随着遥感技术的发展,海上舰船的遥感图像分辨率越来越高,相应的数据含量也呈指数式增加。因此,研究高分辨遥感图像的舰船目标识别技术具有重要意义。本文主要针对基于支持向量机的高分辨率遥感影像,对舰船目标识别过程的图像分割技术、目标检测算法和样本采集等进行详细介绍和研究,该研究提高了舰船目标识别技术的准确性和可靠性,具有重要的实际应用价值。     

支持向量机网络在船舶电力推进系统状态评估中的研究

船舶电力推进系统状态评估是状态检修的前提和基础,建立合适的舰船电力推进系统状态评估流程与模型,并开发出可行的评估系统是舰船状态评估的必须步骤。本文在对船舶电力推进系统的状态评估方法进行概述和分类的基础上,提出船舶电力推进系统状态评估流程、基于支持向量机网络的船舶电力推进系统状态评估模型和具体的评估步骤。     

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。     

舰船通信网络多节点数据安全态势预测技术研究

传统的预测技术在预测舰船通信网络多节点数据安全态势时,准确率很低。针对这一问题,研究一种新的舰船通信网络多节点数据安全态势预测技术。该技术分为安全态势分析、安全态势感知、安全态势预测、安全态势评估4步,给出了舰船通信网络多节点数据安全态势感知模型和安全态势预测模型,安全态势感知模型由设置层、存储层和感知层组成,通过DS证据理论建立安全态势预测模型。与传统预测技术进行了实验对比,结果表明,给出的预测技术预测准确率高,发展空间大。     

基于支持向量机的舰船建造费组合预测方法研究

权重求取是组合预测方法应用的核心问题,针对现有方法的不足,提出了一种基于支持向量机的组合预测方法,构建了相应的组合预测模型,并对舰船建造费进行了预测,将该模型的预测结果与单个预测方法的预测结果进行了比较。实践证明该方法能有效地降低误差。     

舰船装备维修性设计评估模型研究

针对传统的维修性设计评价方法仅从维修活动去衡量,无法发现设计因素的薄弱环节的缺陷;从设计参数角度进行维修性设计评估,不能明确表达设计的因素与设计结果之间关系,也无法衡量维修性设计水平的好坏.因此,采用支持向量机回归算法并结合矩阵积和式函数和模糊综合评价建立舰船装备的维修性设计评估模型,通过该模型能综合考虑设计参数和设计结果对维修性设计进行合理评价.根据评价结果,进行方案优选或做出设计改进.     

基于灰色加权关联与MS-LSSVM组合的舰船备件需求预测

运用灰色加权关联方法对影响远海舰船备件消耗的主要因素进行分析,以确定备件消耗影响因素的权重大小,以此为依据来筛选出主要影响因素,在此基础上运用支持向量机理论,建立灰色加权关联分析与多尺度最小二乘支持向量机组合的学习模型,将筛选得到的主要影响因素的样本值作为输入值进行学习训练,较好地解决了影响因素与备件消耗之间的非线性关系。实例应用表明,该模型对舰船备件需求的预测具有较高的精度。     

一种基于 XML 的分层式舰船网络管理模式的设计方法*

针对现有的舰船网络管理系统性能效率不高的现状,提出了一种基于XM L的分层式舰船网络管理模式,着重分析了该模式下XM L协议和分层式管理的优势,并对该模式下相关模块进行了设计,最后通过实例分析验证了该模式的合理性和有效性。     

舰船通信网络的数据备份系统设计

针对传统数据备份方法效果不佳、耗时过多的问题,提出舰船通信网络的数据备份系统设计方法,分析研究数据备份的技术,设计了舰船通信网络的数据备份系统。深入研究了网络备份的概念、网络存储技术及备份策略,有针对性对数据备份系统硬件结构配置进行改善。为保障硬件设备运行效果,进一步对数据备份系统软件处理方法及去噪步骤进行优化,实现对舰船通信网络数据的有效备份。最后通过实验证实,本文研究的舰船通信网络的数据备份系统可以更加快速完整进行网络数据备份,保证船舶通信数据存储安全。     

美国海军采用的若干舰船控制先进技术

本文简述了美国海军在应用船舶控制先进技术方面的若干创新性工作。重点放在系统结构与程序的集成。面对舰船数量以及舰船操纵人员日益减少的趋势，舰船控制系统应具有以下特征：嵌入式机器智能、专家诊断维修系统、模块化软件、标准化硬件模块结构、舰船光纤数据通讯网络以及分布式局部控制器等。由于数字控制系统大多由软件支持，因此，有必要开发陆基软件支持设施。     

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.     

基于数据挖掘的舰船快速比照算法及舰船性能统计

在舰船开发过程中,耗费时间成本与经济成本最大的环节是舰船测试环节,每艘船在下水之前都要进行上百甚至上千次的水动力测试,海量的船舶测试数据对于新型船舶的设计与开发具有重要的指导作用。因此,从海量的船舶测试数据中提取有价值的信息,形成新的船舶性能数据,不仅可以缩短生产周期,而且能够指导船舶的设计过程,这是本文的研究重点。本文通过介绍数据挖掘技术和支持向量机技术,研究船舶性能快速比较算法以及性能统计。