舰船装备维修费用预测的PSO-LSSVM方法研究

提出了一种基于粒子群优化的最小二乘支持向量机(PSO-LSSVM)模型的舰船装备维修费用预测方法,该方法利用PSO算法的收敛速度快和全局收敛能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性,提高了LSSVM模型的预测精度.以某舰船装备维修费用为例进行实例验证,计算结果表明,这种方法比其他方法有更好的预测精度.     

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.     

基于质量链的舰船装备维修质量控制研究

针对舰船维修企业目前的质量管理着重于维修企业内部的质量控制与过程改进．缺乏整体优化和协调的特点,提出了基于质量链的舰船装备维修质量控制的观点,构建了维修质量链的概念模型,分析了维修质量链的运行模式,提出了加强舰船装备维修质量链管理的几点建议。     

基于SVM的电子装备故障预测方法研究

探讨了支持向量机时间序列预测模型的应用。将支持向量机时间序列预测技术应用于电子装备故障预测中,对某型电子装备的数据传输插件板进行了故障预报,通过实验证明了该方法的有效性和实用性。     

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．     

舰船装备维修过程质量评估研究

针对目前装备维修质量的评估主要局限于修后质量的评价的现状,研究了舰船装备维修过程的质量评估,建立了维修过程质量指标体系和维修过程质量评价模型,对舰船装备维修质量进行模糊综合评价。     

基于SVM的光纤陀螺标度因数建模研究

针对光纤陀螺(FOG)标度因数随温度呈非线性变化的特性,提出采用支持向量机对标度因数进行建模的方法,以减小光纤陀螺输出误差.利用实验数据对支持向量机对进行训练,获得标度因数的温度模型从而提高FOG的精度.同时将支持向量机对标度因数进行建模的结果与传统的最小二乘建模结果进行比较,验证采用支持向量机对标度因数建模是非常有效的.     

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。     

海上雷达图像处理中的小波变换算法研究

针对海上雷达图像在图像处理中的噪声消除问题进行分析,并研究小波变换的基本原理以及利用小波变换进行噪声消除的依据。由于SAR图像生成机理的特殊性,传统的噪声消除方法执行效果并不理想,而小波变换具有的多尺度变换特性应用到SAR含噪声图像上能够有效地分割开信号与噪声,实现较好的噪声消除效果。最后,通过实验仿真实现了小波变换的SAR噪声消除,并与经典的噪声消除方法消噪结果进行对比分析,证明小波变换在进行SAR图像噪声消除上的有效性。     

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.     

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。     

基于主成分分析(PCA)和支持向量机(SVM)的耙吸挖泥船工况分析

土质信息对于耙吸挖泥船的挖掘与装舱过程的控制策略具有重要意义,但耙吸挖泥船的耙头无法直接感知土质信息。基于实船数据,通过主成分分析（PCA）对非线性耦合的疏浚数据进行线性可视化和特征分析,对土质信息与工况信息的关联性进行研究。采用支持向量机（SVM）构建分类器,对土质工况进行分类识别。结果表明,该方法能够有效识别不同的土质工况,实现了土质信息的间接感知。     

基于支持向量机的液压调节器多类故障辨识

针对目前故障诊断中故障数据样本获取及特征提取困难的问题,分析了液压调节器的4种典型故障,建立了基于支持向量机的多类故障分类器,并直接将少量的时间序列信号作为分类器的输入。实验结果表明,在小样本情况下,不必对信号预处理以提取特征,该分类器便可实现液压调节器的多类故障分类,证明该方法是有效、可行的。     

基于FA-SVM的舰船修理成本结构研究

在传统支持向量机(SVM)方法的基础上,引入因子分析(FA)方法,构建了FA-SVM模型,该模型解决了传统SVM方法存在的特征指标相关性的问题,最后利用舰船修理成本结构研究对该模型进行验证分析,结果证明这种FA-SVM模型在舰船修理成本结构预测中的有效性和实用性。这对于海军维修成本的管理有着很好的应用价值。     

基于共振峰谐波特征和支持向量机的VDR人声检测方法

针对VDR人声检测的特殊要求,从语音的产生机理出发,结合驾驶室环境下各种声音特点,提出了基于共振峰谐波特征和支持向量机的人声检测方法。首先采用线性预测分析方法提取共振峰频率,再从线性预测分析的残差信号中提取低频段谐波个数和谐波频率间隔的方差,作为人声检测的主要特征参数,然后用支持向量机分类器进行人声检测,以在驾驶室内实际采集的多种语音和非语音构成语料库进行实验,得到了较高的检测正确率。     

基于SVM的液压设备仿真模型的故障诊断

阐述了SVM算法在液压系统的故障诊断领域中的应用及其诊断效果.以全液压克令吊模型为研究对象,将克令吊模型的回转回路作为一个独立系统,使用功率键合图方法建立其数学模型,并用Matlab中的Simulink对模型进行计算机仿真,对回转回路选择不同的参数进行流量的特性仿真,运用支持向量机理论依据流量值的特性对回转回路进行故障分类,得到了令人满意的故障分类正确率.     

基于SVM的船体外板冷弯回弹预测模型研究

研究方形压头非对压成形装置成形原理的基础上,分析准确预测回弹对板材数控冷弯成形的意义。针对预测样本较少的情况,采用支持向量机技术进行回弹预测分析,并对模型中的核函数及其损失函数参数ε和惩罚因子C进行分析研究,建立板厚与回弹量的预测模型,并将其预测结果与试验结果及采用BP神经网络预测结果进行比较验证其准确性,为船体外板数控成形加工解决回弹问题提出新的思路。     

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。