基于SVM的以词性和依存关系为特征的句子倾向性判断分析

将句法平面词的词性特征、依存关系、依存关系中的词性特征、邻接依存关系、邻接依存关系中的词性特征与倾向性词汇和倾向性搭配作为支持向量机（SVM）分类器的特征集,以句子为单位对多个领域的文本进行倾向性判断．通过交叉验证的方式,估计出分类器的精度为95．6％．据此提出句子倾向性分析可不以句子倾向性判断为前提．     

社会支持与希望的关系：应对方式的中介、调节作用

运用领悟社会支持量表、简易应对方式问卷及成人性情希望量表对320名大学生进行调查,采用结构方程模型探讨了大学生社会支持、应对方式与希望的关系.结果表明：（1）社会支持与积极应对、希望呈显著正相关;消极应对与社会支持呈负相关,但与希望无显著相关.（2）积极应对方式是社会支持与希望的中介变量;消极应对方式是社会支持与希望的调节变量.     

基于multi-agent的装备综合保障数据交互研究

为了更好地解决装备综合保障活动中所需的和所产生的数据之间的交互问题,提出了将multi-agent(多智能体)技术引入到装备综合保障领域的方法。分析了装备综合保障数据的作用和种类,对数据之间的关系进行了研究。构建了基于multi-agent技术的装备综合保障数据交互模型,并对模型中不同agent的作用进行了分析。最后,通过实例对数据交互的过程进行了详细说明。     

基于FLAC3D复合顶煤大断面煤巷围岩数控模拟

为了解决某矿复合顶煤大断面开切眼施工困难问题,采用工程类比法确定支护方案,后运用FLAC3D软件在不同支护方式下进行模拟分析,研究其主要影响因素.模拟结果表明:锚杆、锚索间排距的改变不能从宏观上改变巷道围岩的应力分布特征,但能限制围岩最大位移量,能限制浅部围岩破坏形式和破坏程度.研究结果对该矿煤层切眼支护方式的选择、支护方案设计、支护材料布局、支护参数的确定提供了科学依据.     

基于支持向量机的飞机备件消耗预测研究

针对影响飞机备件消耗的诸多因子难于在模型中体现的问题,采用支持向量机回归模型,应用于备件的消耗预测。该方法将影响备件消耗的主要因子作为支持向量机预测模型的输入因子,对应的备件消耗量作为输出因子,训练模型,然后输入测试样本进行预测。预测结果表明,相比于GM(1,1)模型和神经网络(ANN)模型,该模型具有较高的预测精度和动态适应性,可为相应的备件保障部门提供科学的决策依据。     

基于改进的网格搜索法的SVM参数优化

比较了现今应用比较广泛的3种支持向量机(SVM)参数优化方法.具体分析了网格法、遗传算法和粒子群算法在SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法.先在较大范围内进行搜索,在得到的优化结果附近区域再进行精确搜索.实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.     

基于支持向量回归机的结构非概率可靠性分析

将支持向量机回归技术引入隐式极限状态结构的非概率可靠性分析,基于未确知信息的分段均布描述模型,设计了训练样本抽取策略．为了统一样本尺度,根据分段均布模型与标准化区间均布模型的双射关系,将基本变量区域中的样本数据转化成标准区间变量域中的样本数据,保证了支持向量机训练的稳定性．给出了SVR预测模型算法,并实现了在标准化区间变量域中直接抽取训练、测试及预测样本,使得样本抽取和蒙特卡罗模拟计算更便于实现．通过算例对方法的精度和可行性进行了验证,结果表明：该方法可解决隐式极限状态结构的非概率可靠性分析问题,且应用简便．     

基于特征优选和图像相似度的人体动作识别算法

有效提取特征有利于提高后续人体动作识别的准确率。针对人体动作识别时方向梯度直方图(histogram of oriented gradient,HOG)特征维数过高和相似动作不好区分的问题,提出一种基于特征优选和图像相似度的人体动作识别算法。实验对比三种降维方法主成分分析法(principal component analysis,PCA)、PCA+Pearson、PCA+Spearman处理后的动作识别率,证明PCA+Pearson相关系数的降维效果最佳。同时将全局特征八星模型与降维后的局部特征HOG特征组合在一起全面表征人体动作,并计算相邻两帧图像相似度,自适应分配一个判别周期内单帧支持向量机分类结果的统计权值,最后二次分类人体姿态识别结果。在标准数据集KTH上进行实验,该算法识别准确率为94. 5%,较其他方法有所提高,在视频人体动作识别领域有较好应用价值。     

大型飞机全机静力试验静定支持与约束技术及其应用

全机静力试验中试验支持与约束方案贯穿整个试验过程,对试验是否能达到验证目的及顺利完成具有很大影响。通过研究提出了全机静力试验静定支持与约束方案设计方法,建立了静定支持与约束理论模型,研制了一套试验静定支持与双向约束装置;并成功应用于某型飞机全机静力试验中。试验中研制的支持与约束系统稳定,能够监控全机试验载荷施加情况,试验结果表明提出的支持与约束技术科学合理,满足试验要求,可为同类试验提供参考。     

基于改进经验模态分解和支持向量机的短期风速组合预测

为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,SVM)的组合短期风速预测方法。首先用CEEMDAN对原始风速时间序列进行分解,得到一系列不同频率的子序列;其次,使用BA-SVM组合模型预测对分解后的各个子序列分别进行预测;最后,将各子序列的预测结果叠加得到风速预测值。仿真结果表明,该模型提高了预测精度,减小了误差。