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。     

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。     

基于LS-SVM的水火弯板机械手逆运动学求解

对水火弯板机械手的运动学进行分析,实现了正逆向运动学的仿真。主要讨论应用LS-SVM方法对逆运动学进行求解,并与传统LMBP方法得到的结果进行对比。仿真结果表明,此方法能够很好实现水火弯板机械手对加热轨迹的跟踪。     

基于支持向量机回归建模的船舶磁场推算方法

磁性目标形体复杂,磁化不均匀,目前一般采用逆方法拟合测量数据,从而建立其磁模型。从支持向量机回归理论出发,通过实验室测量数据建立了基于支持向量机回归的船舶磁场模型,与实际测量值比较,利用该模型推算的船舶下方磁场值的均方根误差小于10%,满足工程应用要求,这对于未来支持向量机在船舶磁场推算中的应用有着重要意义。     

长岛建成119消防文化主题公园

<正>12月19日,长岛县首个119消防文化主题公园正式建成开放,并迎接海岛群众的参观体验,今后海岛群众可在这里边玩边学,通过互动体验学习消防安全与火灾防范知识。为进一步推进长岛县社会化消防宣传工作,驻岛消防大队党委克服资金短缺的限制,积极争取县政府财政支持,并与城管、市政等部门协调商讨主题公园规划建设方案,最终决定依托长岛大队南侧的绿化草坪建设一座消防主题文化公园。公园内     

国外内河集装箱运输的现状与趋势

介绍国外集装箱运输的主要航道、港口、船舶等基本情况,阐述内河集装箱运输在综合运输体系中的地位及促进内河集装箱运输的有关政策,阐明国外内河集装箱运输发展模式和趋势及对我国内河集装箱运输发展的借鉴意义。     

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.     

基于广义预测控制的船舶可调桨网络控制系统研究

可调螺距螺旋桨(CPP)控制系统是船舶推进系统的重要子系统.随着船舶推进系统在响应速度、操纵性能等方面的要求不断提高,CPP控制系统已从传统的控制系统发展到分布式的网络控制系统,而网络控制的引入必然产生不确定的网络时延.因此,采用支持向量机,广义预测控制和队列机制的混合控制方法设计了网络控制器,有效地补偿网络时延对CPP控制系统产生的不利影响.     

基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响。对公路软基的观测数据进行分析和取样,输人样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型。研究表明．所建立的模型对公路软基沉降进行预测具有较高的精度．同时具有很好的泛化性能。