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。     

基于改进的 NCSPSO -AFSA 对 SVM参数的优化及其应用

为了找到支持向量机（SVM）最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法（ NCSPSO）引入变异算子和族外竞争机制加以改进后与人工鱼群算法（ AFSA）混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法（PSO）,NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。     

人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用,为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题,提出了一种人脸检测的混合方法.该方法由两级分类器组成,第一级为粗分类器主要过滤大部分非人脸区域,第二级为核心分类器,在由第一级粗分类的基础上利用非线性SVM算法进行人脸检测.在CMU数据库上的实验结果表明,该方法具有较高的人脸检测率,检测速度得到大幅提高.     

智能分类器方法

小样本数据不能对分类器进行充分的训练。传统的分类器方法一旦设计好,再也不会有任何改进.本文将人工智能的思想、方法应用于分类器设计中,提出了智能分类器概念。智能分类器不但可以对未知样本进行分类识别,还具有多专家决策、预分类、学习等功能。智能分类器是一种自适应系统,其系统参数可在识别的过程中得到不断的优化。在ORL人脸库上的实验结果证明该方法在解决小样本问题时具有明显的优势。     

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。     

人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用，为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题，提出了一种人脸检测的混合方法。陔方法由两级分类器组成，第一级为粗分类器主要过滤大部分非人脸区域，第二级为核心分类器．往由第一级粗分类的基础上利用非线性SVM算法进行人脸检测。在CMU数据库上的实验结果表明，该方法具有较高的人脸检测率，检测速度得到大幅提高。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法。利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类。算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实。实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别。     

基于深度卷积神经网络的船舶识别方法研究

为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6％,可以很好地实现船舶识别.     

基于朴素贝叶斯分类器的水火弯板焰道点判定方法研究

针对现今造船业中水火弯板自动化加工难以确定焰道的现象,提出一种基于朴素贝叶斯分类器的水火弯板焰道点判定方法,旨在解决水火弯板焰道点的判定问题,进而辅助水火弯板焰道的生成。此方法通过经验参数和历史数据构建焰道点的朴素贝叶斯分类器,再利用构建的分类器对待测点进行类别概率计算,最后完成焰道点分类。实验表明,该判定方法对待测点的分类正确率高达87.4%,能够对焰道点进行有效分类判定。     

基于PSO_SVM模型的水火弯板变形预测研究

近年来,水火弯板加工自动化是船舶制造行业的研究热点和难点。由于影响钢板变形结果的参数之间复杂的非线性关系,导致水火弯板变形预测不能够快速准确的实现。支持向量机(SVM)具有良好的泛化能力,将其应用于水火弯板变形预测,可有效解决非线性、小样本、高维数等问题。支持向量机性能的好坏取决于其参数的选取,本文选用粒子群算法(PSO)来优化SVM的相关参数,并将预测结果和传统的支持向量机模型的预测结果进行对比分析。结果表明,PSO_SVM模型用于水火弯板变形预测可以较好地提高预测精度。     

军船入级的意义与展望

从回顾民船和军船的发展简史开始,介绍民船入级的意义,传统的军船设计内部标准,现今国际社会军船入级的现状;通过分析军船入级的意义,军船入级过程中须要解决的几个关键问题,提出了我国军船入级的展望及建议。     

无线自组织网络的结构研究

文章简要介绍了自组织网络的两种网络结构：平面结构网络和分级结构网络;分级结构网络又分为两种：单频分级网络和多频分级网络。比较两种网络的差异,并用仿真给出了两种网络的性能。     

基于模糊SOFM网分类的船舶电力负荷估算模型

提出了一种新的船舶电力负荷分类随机估算模型。将负荷的功率和工作概率作为分类的两项指标，利用模糊自组织特征映射（SOFM）网络对负荷进行分类，并基于分类给出了电力负荷的随机估算模型。由于分类保证了同一类中的负荷，其功率和工作概率均较接近，从而减小了因分类而导致的模型误差。给出了一个实例，其结果表明：模型精度高，计算简单，易于实现。     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

模糊综合评价法在船舶溢油事故定级中的应用

对船舶溢油事故定级很有必要.通过模糊数学的方法,建立船舶溢油事故定级的评判模型,为事故定级评判提供了依据.通过实例,给出了具体的评价过程,证明该方法对于船舶溢油事故定级有借鉴作用,但此方法尚处于研究阶段.     

一种水下目标识别方法──基于模糊理论的多种神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

动态权重的数字化刻面分类模式研究

构件的分类与描述是构件库管理系统的核心。文章在研究经典刻面分类模式的基础上,提出了一种基于动态权重的数字化刻面分类模式。该模式通过原子术语数字化、动态权重的引入以及构件间相关度的定义,将构件的检索过程转化为n维空间中向量与矩阵的乘法。改进后的分类模式有效提高了构件检索时的查准率与检索效率。     

极地船舶冰载荷直接计算及结构强度评估

关于设计冰载荷的计算，目前各大船级社略有所不同，存在着几个独立计算体系，而对于船舶在冰载荷作用下的有限元直接计算，各大船级规范中没有给出说明，也几乎都没给出相关指导文件，本论文根据一艘极地原油船项目，送审DNV-GL船级社，与其交流沟通送审过程中，整理出一条关于极地船舶冰载荷直接计算的方法，并得到船级社的认可。     

应急任务时基于PPSVM的应急军械物资分级研究

介绍了应急军械物资分级模型,分析了PPSVM在应急军械物资分级上的应用,阐述了应急任务时基于PPSVM的应急军械物资分级的应用与发展趋势。实验结果表明,PPSVM用于应急军械物资分级是可行的,能够很好地解决应急军械物资的分级问题。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。