光滑支持向量机多项式函数的研究

为了找到多项式光滑支持向量机(polynomial smooth support vector machine,PSSVM)中性能更好的光滑函数,将正号函数变形并展开为多项式级数,得到一类光滑函数。证明了这类函数的性能,它既能满足任意阶光滑的要求,也能达到任意给定的逼近精度。用Newton-Armijo算法求解相应的PSSVM模型,实验结果表明,随着多项式光滑函数阶数的提高,逼近精度和相应PSSVM模型的分类性能也相应提高。     

Parametric estimation of ultra wideband radar targets

Based on the analysis of impulse response properties, a scattering model of ultra wideband (UWB) radar targets is developed to estimate the target parameters exactly. With this model, two algorithms of multiple signal classification (MUSIC), and matrix pencil (MP), are introduced to calculate the scattering center parame-ters of targets and their performances are compared. The simulation experiments show that there are no differ-ences in the estimation precision of MUSIC and MP methods when the signal-to-noise ratio (SNR) is larger than 13 dB. However, the MP method has a better performance than that of MUSIC method when the SNR is smaller than 13 dB. Besides, the time consuming of MP method is leas than that of MUSIC method. Therefore, the MP algorithm is preferred for the parametric estimation of UWB radar targets.     

基于多分类支持向量机的智能辅助质量诊断研究

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.     

基于响应面法的汽车侧撞安全性仿真优化

建立了整车侧撞有限元模型.通过与碰撞试验结果对比验证了该模型的可靠性.考虑汽车侧围结构的碰撞安全性,由整车侧撞有限元模型导出了侧围子结构模型.采用响应面法进行了车身侧围结构仿真优化.仿真结果表明:基于响应面法的子结构模型可将汽车侧撞安全性优化时间缩短至传统整车模型方法的五分之一.优化后的胸部损伤指标明显降低,满足侧撞乘员保护要求.     

基于支持向量机的体数据分类算法研究

在由工业CT图像构成的体数据中,低密度材质的灰度与背景及伪影的灰度接近,影响了分类的准确性,进而影响体绘制的结果.针对这一问题,提出了一种基于支持向量机的体数据分类算法.首先以体素的灰度、梯度、局部直方图的熵和矩为样本特征进行训练,得到决策函数,并通过决策函数对体数据进行类别标记,再将具有相同标记的体素的灰度值变换到指定的灰度区间,最后利用阻光度传递函数对体素进行阻光度赋值,完成体数据的分类.实验结果表明,所提出的算法较好的实现了体数据的分类,体绘制结果清晰,且能够实现试件的模拟拆卸.     

截面突变的座椅多级弹射筒内弹道仿真

以往研究中对多级弹射筒和压力有效作用面的影响重视不足,并且所建模型通用性差.在分析弹射机构工作过程的基础上,建立了适用于套筒式弹射机构的内弹道模型,以火药质量和机构行程控制数学模型的解算流程,并与实测参数进行了对比,误差在0.9%～2.4%之间,说明模型可靠性;利用此模型分析了压力作用面对其性能的影响,得出结论:1)弹射筒工作期间作用面积A对其性能影响显著,弹射筒直径相差0.01m性能参数误差可达15%左右;2)对于套筒式弹射机构性能计算,近似处理会得出大于实际值的结果,因此必须将有效作用面突变效应考虑在内.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先,采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后,对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

辊弯成形过程仿真与参数优化

采用动力显式弹塑性有限元方法对U型钢辊弯成形过程进行仿真,分析了成形过程中应力、应变的分布演化特性,获得了弯曲角增量、机架间距对辊弯成形过程的影响规律,计算结果与实验结果有较好的一致性。基于数值模拟,对辊弯成型轧辊辊径进行优化设计。通过正交模拟实验获取计算结果样本,进而建立轧辊辊径设计目标函数的响应面模型,最终获得辊径优化设计结果,优化后辊弯成形板带截面上的纵向应变差显著降低,改善了成形性能。