【摘 要】
：
为提高装备保障设备报废技术鉴定的准确性,提出了一种基于支持向量机的报废技术鉴定方法.分析了报废技术鉴定主要特征,并给出了各特征的量化和预处理公式.介绍了支持向量机基本原理,并引入遗传算法对支持向量机的惩罚参数和核参数进行寻优.算例验证结果表明,与常见分类算法相比,基于高斯核的支持向量机在装备保障设备报废技术鉴定中,训练时间更短、分类精度更高.
【机 构】
：
军事科学院防化研究院,北京 102205;解放军32290部队,济南 250002;山东省军区,济南 250101
论文部分内容阅读
为提高装备保障设备报废技术鉴定的准确性,提出了一种基于支持向量机的报废技术鉴定方法.分析了报废技术鉴定主要特征,并给出了各特征的量化和预处理公式.介绍了支持向量机基本原理,并引入遗传算法对支持向量机的惩罚参数和核参数进行寻优.算例验证结果表明,与常见分类算法相比,基于高斯核的支持向量机在装备保障设备报废技术鉴定中,训练时间更短、分类精度更高.
其他文献
当军用机场节点面临蓄意攻击、自然灾害时,容易遭到破坏,进而使空中交通秩序混乱,影响战略物资输送,制约战斗力持续生成,为此提出了基于鲸鱼优化算法(WOA)的机场失效条件下的军用运输机备降场选择方法.在该方法中,考虑距离代价与空中相撞风险代价,将机场失效的备降场选择问题描述为约束优化问题;引入冯诺依曼拓扑结构对标准WOA进行改进;采用改进WOA对约束优化问题进行求解.仿真表明:该方法收敛快,实用性强,易于实现,能够根据需要合理分配飞机完成备降场选择.
针对现代空战效能评估多层次、多因素、非线性耦合的复杂特点,提出一种基于有监督局部保留投影(SLPP)和最小二乘支持向量机(LSSVM)的空战效能综合评估模型.先利用SLPP对数据局部信息和类别信息的处理能力,提取空战效能数据中有辨识力的低维特征;利用获取的低维特征构建LSSVM空战效能综合评估模型;通过构建的模型,对空战效能进行评估.计算分析表明,所提出模型的评估结果与专家的评估结果相一致,没有出现错判,不同参数下结果输出也很稳定.因此,将该模型用于空战效能评估是有效和可行的,也为空战效能评估提供了一种可
针对我军态势产品分层分类体系的需求,基于顶层设计的思想,提出了一种多级层次多视图的态势产品分层分类体系模型.该模型充分考虑了军队指挥结构中所涉及态势产品的基本元素,并能够适应军队编制体制结构和指挥体系变化.从构建态势产品的方法论出发,利用运筹学模型建立了体系构建方法.最后,以案例研究形式探讨了建立适应于我军指挥体系的态势产品分层分类体系框架.模型的提出为指导我军建立合理、灵活、可扩展的态势产品分层分类体系提供了技术支撑,也为将来军队各类态势产品的全面发展打下基础.
对于大规模多兵种交战,作战指数评估是进行军事决策的重要依据.针对传统作战指数评估方法依赖专家经验知识的问题,借鉴强化学习理论,提出了多兵种交战兰彻斯特方程中作战指数迭代计算方法,利用作战指数和火力分配策略的递推关系,循环更新作战指数直至结果收敛,重点考察了固定更新率、梯度指数递减方法和动量梯度方法对迭代收敛性的影响,通过调节更新率、递减强度和动量强度等超参数取值,显著提高了迭代收敛速度和稳定性.
详细介绍和描述了核生化态势的分类问题,提出了战场多级核生化态势的概念,分别对作业级、作战指挥级、作战筹划级核生化态势的要素及生成方式进行了研究,并进行了对比分析.多级核生化态势可以为不同层级的用户提供专业、有效的态势信息,满足核生化作战的技术需求.
人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.
传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,
水下机器人能够代替人类完成水下各种极端环境作业,其精确控制成为研究热点.阐述了国内外水下机器人控制方法的研究现状,对现有水下机器人的控制方法进行了分析整合,进而总结了水下机器人在无动力学模型依据和基于动力学模型时的控制方法,特别是归纳了基于水动力学建模控制方法的一般过程,最后对水下机器人控制领域未来的发展进行探索与展望.
分形维数作为战场声信号的特征,存在特征数量不足,反映信号非线性不充分的问题,提出了一种基于SVD与数学形态学分形维数谱(Singular Value Decomposition And Mathematical Morphological Fractal Dimensions Spec-trum,SVD-MMFDS)的战场声特征提取方法.对声信号构造Hankel矩阵,再进行SVD分解,根据信号频率与奇异值的关系,重构信号分量.将这些重构信号依次线性叠加,每叠加一次信号分量就计算一次分形维数,直至完全恢复原