基于支持向量机的航标故障识别

航标的健康运行不仅与船舶运输效率和航行安全有关,而且还是评估航标维护质量的重要指标,是船舶航行的重要参考依据,也是衡量一个国家航运业发展水平的重要标准。因此,及早发现航标失常并及时采取相应的修复措施,符合航运及航标管理机构的实际需求。对于航标设备故障识别问题,实质上可归结为分类问题。文中详细介绍了支持向量机(SVM)用于分类的方法,最终采用支持向量机(SVM)的分类方法,通过MATLAB建立分类模型,实现对航标设备故障的识别。     

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。     

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.     

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。     

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。     

基于不变矩和支持向量机理论的舰船目标识别

本文利用小波不变矩和支持向量机理论进行舰船目标识别。在识别过程中,首先获取图像,同时将得到的图像转换到极坐标内;然后利用小波矩进行特征提取,在此过程中选择合适的核函数;最后利用支持向量机进行分类。实验结果表明,本文算法具有较高的识别率。     

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。     

基于支持向量机的舰船战储器材分类算法研究

针对战储器材种类繁多的现状以及传统ABC分类方法的缺陷和不足,提出了基于支持向量机的舰船战储器材ABC分类方法,提高了器材分类速度,有助于ABC分类法在仓库中推广实施,并进一步为科学、合理地确定战储器材储备品种带来帮助。最后通过实例结果验证该方法的合理性和有效性。     

一种基于FoBa算法思想的支持向量机稀疏SMO算法研究

目前的支持向量机解析方法,如SM0算法在一定程度上解决传统支持向量机实现方法需要高额存储空间的问题,而对支持向量数目的约减并末过多关注,算法的稀疏性有待进一步提高。该文将FOBa算法对特征进行约减的思想引入SMO算法中,对训练产生的作用甚微的支持向量进行约减,提出了稀疏SMO算法。实验结果表明算法在提高预测速度上具有一定的竞争力。     

基于支持向量机的港口吞吐量预测

对传统的两个线性组合预测模型进行了研究,提出了一个新的线性组合预测模型Ⅲ。为提高精度,提出了支持向量机非线性的组合预测模型。以青岛港历年集装箱吞吐量为例,与单一预测方法、线性组合预测进行对比,结果表明支持向量机非线性的组合预测方法比较精确。     

基于支持向量机的船舶柴油机故障诊断

介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.     

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。     

基于支持向量机的船舶交通流量预测模型

针对船舶交通流的随机性大,影响因素多,船舶交通流量预测的准确度不高等现象,基于支持向量机理论,结合长江苏通大桥断面的观测数据,建立支持向量机的预测模型进行短期的船舶流量预测.预测结果与实际流量比较一致,优于SPSS线性回归的预测效果.验证了支持向量机预测模型在船舶流量短期预测中的可行性.     

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。     

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。     

基于粒子群算法的支持向量机参数优化方法的研究

支持向量机(Support vector machines),作为一种新兴的学习机器,具有广阔的发展前景,但其性能依赖于参数选择,并且在实际工程中,这个问题一直没有得到较好的解决,在很大的程度上限制了它的应用.本文对粒子群算法(Particle swarm optimizer)进行改进,通过每次迭代过程中,增加粒子个数的方法扩大粒子的搜索范围,防止粒子陷入局部最优.将改进的粒子群算法用于支持向量机参数选择中,并且在非线性系统模型辨识中进行仿真验证,同传统方法相比,在时间和辨识精度上都有了很大的提高,为解决SVM的参数选取问题提供了一条有效的途径.     

基于支持向量机的船舶结构优化方法

针对船舶等大型结构在优化过程中耗时长的问题,提出了支持向量机与遗传算法组合优化方法。基于支持向量机建立结构的近似模型,代替耗时长的有限元分析并应用遗传算法进行结构优化,形成一套省时、精度高、适应性强的优化方法。以某舱段结构优化为例,建立支持向量机近似模型,模拟结构设计尺寸与结构响应的映射关系,并选用二阶响应面模型做精度对比。分别使用支持向量机与遗传算法组合优化方法(SVM-GA)、传统的有限元法与遗传算法组合优化方法(FEM-GA)进行优化分析,计算结果表明,SVM-GA法相对于传统的FEM-GA法,不仅显著降低计算时间成本,而且具有良好的精度。