基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

免疫缺陷大鼠模型的研究进展

免疫缺陷动物模型是指通过筛选自发突变或者基因工程改造建立的缺失一种或多种免疫系统组分，并用于生物医学研究的动物模型。免疫缺陷小鼠模型发展较为成熟，为人源化、患者来源异种移植(patient-derived xenograft, PDX)、干细胞移植以及传染性疾病等研究提供了良好的工具。与小鼠相比，大鼠具有体型更大，代谢和生理与人更接近，更易进行手术操作、样本获取，以及长期应用于临床前毒理和药理的评估等优势。因此，近年来出现了各种免疫缺陷大鼠模型。文章通过动物模型之间的比较，着重综述了免疫缺陷大鼠模型的最新进展，并展望其在干细胞研究和抗肿瘤治疗中的应用前景。     

基于3D Voronoi模型形状不规则度组合梯度泡沫金属的动态冲击力学性能研究

泡沫金属的力学性能与其细观结构参数密切相关。四个形状不规则度参数梯度组合的3D Voronoi结构模型被用于开展动态冲击数值仿真实验,探究不同冲击速度下形状不规则度梯度组合类型对泡沫金属的变形特性、荷载-位移和能量吸收特性的影响。结果表明,冲击速率仅在临界速度范围内时对形状不规则度梯度组合模型的力学性能有明显影响,沿着冲击方向形状不规则度从小到大梯度组合的模型具有最优的能量吸收能力。     

联程中转旅客的城市枢纽间换乘行为建模

针对旅客联程运输中旅客中转换乘行为,构建了多项Logit(Multinomial Logit,MNL)模型进行刻画分析.首先,设计了陈述偏好(Stated Preference,SP)调查问卷进行数据采集;其次,基于MNL模型对联程中转旅客的城市枢纽间换乘行为进行建模,并利用Biogeme软件对模型参数进行标定;最后,计算出各方式的分担率并与实际调查结果进行对比分析.结果表明:与出行目的、行李大小等因素相比,联程旅客个人特征(年龄、职业、收入等)的影响最为显著,考虑了旅客个人差异的MNL模型拟合误差在1.5％以内;此外,旅客对交通工具拥挤度、舒适度、班次数量以及准时性的关注程度也影响了其选择行为;联运旅客对时间效率尤为关注,超过50％的联运旅客选择地铁,当公交出行时间下调0％～20％时,可以一定程度上将换乘地铁的联运客流转移至公交上.研究结果对于枢纽间换乘需求预测、多方式协同调度以及提供旅客个性化出行服务具有一定的参考作用.     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数据对比验证了回归-卡尔曼滤波组合模型在航道整治区域船舶交通流时空预测方面的有效性与可靠性.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

基于改进灰狼算法优化SVR的航天侦察装备效能评估

定量评估航天侦察装备效能是武器装备体系建设的重要环节之一, 对装备发展和作战应用具有重要的现实意义。针对评估样本数据少、效能在多指标因素影响下变化规律非线性等条件下的效能评估问题, 提出一种基于改进灰狼(improved grey wolf optimizer, IGWO)算法优化的支持向量回归机(support vector regression, SVR)评估方法(IGWO-SVR)。引入反向学习策略及余弦非线性收敛因子改进灰狼优化算法收敛性能及全局寻优能力, 并将其应用于基于支持SVR效能评估参数的优化。基于航天侦察装备特点, 构建评估指标体系及航天侦察装备效能评估模型。最后, 通过对一定作战想定背景下航天侦察装备效能进行仿真评估, 验证了所提方法的合理性及优化模型的有效性。