面向服务的战场环境保障信息集成框架

为提高战场透明度,需研究和发展以卫星信息为支持的战场环境保障技术。深入分析了卫星支持的战场环境保障的特点及信息处理流程;构建了面向服务的战场环境保障信息集成框架,提出基础平台层、数据组织层、核心服务层和作战应用层的4层框架结构;研究了支持该框架的关键技术体系及接口,实现了原型系统。框架打破目前纵向的各卫星系统自成体系、数据共享困难的局面,使得系统具有更好的动态性和可扩展性,便于用户根据不同的作战需求建立不同的服务模式。     

基于B/S架构的人才招聘选拔GDSS设计与实现

针对现代企业人才招聘选拔过程符合群体决策的特点,将Web技术引入到群体决策支持系统(GDSS)设计中,构建了基于B/S架构的人才招聘选拔GDSS。该系统按照异地异时群体决策类型进行设计并予以实现,能免去在招聘过程中招聘者必须亲临现场的要求,使人才招聘工作更加专业化、智能化和科学化。该系统已在实践性教学中得到应用,表明系统具有良好的可行性与实用性。     

基于多主体的舰载机综合保障过程建模方法

针对舰载机面向作战任务的实时动态的综合保障需求,提出了基于多主体的舰载机动态保障模型。系统分析了舰载机使用保障与维修保障的基本过程,探讨了其有限资源约束下的动态调度特征。建立了三层混合控制的多主体模型架构,保证模型具有足够的柔性与收敛速度。重点考虑保障过程中主体（Agent）间合作博弈特征以及故障等系统扰动的影响,提出了一类基于合同网的交互协商机制,以提高Agent间的协商效率,并尽可能消除重调度的影响。给出了Agent的个体抽象原则,并定义了可扩展的Agent内部结构。在此基础上,给出了舰载机动态保障的有限资源调度算法。最后以舰载机的战备完好性指标单位时间出动架次为优化目标,选取舰载机的典型任务模式对模型进行了验证。     

新特征选择方法在路面使用性能衰变研究中的应用

为从小样本数据集中获得简单、容易理解的回归函数,并找出影响路面弯沉的因素及其规律,利用基于多项式空间的特征选择方法对路面使用性能衰变进行研究.结果表明:交通流量和降雨量共同影响路面弯沉值,交通流量越大,路面弯沉增加越快,降雨量对路面弯沉的影响较明显;前一年的路面弯沉值对其自身也有影响,可用来反映路段当前的服务状态.     

基于高维空间映射失配补偿方法的说话人确认

针对电话手机语音的文本无关说话人确认中,训练集语音和测试集语音来自不同信道所产生失配而导致系统性能下降的问题,采用一种基于高维空间映射的方法对系统进行补偿.在分析了已有的说话人确认系统的基础上,提出了一种基于特征参数映射支持向量机模型(PSVM)的说话人确认系统.首先用大量已知信道类型的语音训练出信道空间及映射矩阵,然后训练语音和测试语音都通过映射,消除因信道不同而导致的失配影响.在NIST数据库上的实验结果表明,这种方法弥补了训练语音和测试语音的失配,说话人确认系统的性能有了明显的提高.     

基于支持向量机的不平衡样本分类研究

分类问题是机器学习领域的重要研究方向之一。支持向量机是一种基于结构风险最小化的学习机器,在解决分类问题上有着出色的效果。但基于支持向量机的分类器在处理不平衡样本时,对少类样本分类准确率偏低。诸多研究在对此问题做分析时往往把主要原因归结为各类样本间数量上的不平衡,而没有充分考虑样本点在特征空间上的分布情况。针对此问题做出原因分析,并给出结论:样本的不平衡性主要是由特征空间下各类样本的分布所决定的,而和数量上的不平衡关系较小。通过实验验证结论的科学有效性。     

基于互补型集成经验模态分解和遗传最小二乘支持向量机的交通流量预测模型

交通流是智能交通系统中的关键组成部分,也是交通规划的重要依据。为了提高道路交通流量预测的精确性,提出一种基于互补型集成经验模态分解(complete ensemble empirical mode decomposition,CEEMD)后,采用遗传算法(genetic algorithm,GA)优化参数的最小二乘支持向量机(least square support vector machine,LSSVM)的交通流量预测模型。该模型使用互补型集成经验模态分解原始数据,将分解后的本征模态函数(intrinsic mode function,IMF)分量分别用遗传算法优化参数后的最小二乘支持向量机进行预测,叠加全部IMF分量值作为模型最终的预测结果。通过对美国加利福利亚州某高速公路一个月的交通流量数据进行训练预测,结果表明,该模型平均相对误差仅为6.51%,相较于其他模型拥有更好的预测效果,可为交通流的预测提供一定的参考。     

基于GA-SVM算法永磁同步直线电机变载荷进给位置误差预测

针对永磁同步直线电机精密进给过程中,受到齿槽效应、端部效应及摩擦力扰动等非线性因素的影响,位置误差难以预测问题,提出了一种基于遗传算法(GA)优化支持向量机(SVM)算法永磁直线电机变载荷位置误差预测模型的方法。通过测量各种情况下永磁直线电机在运动过程中的位置变化情况,利用遗传算法优化支持向量机算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,经过遗传算法优化支持向量机建立的位置误差预测模型,在拟合和预测精度上要优于未经过算法优化的位置误差预测模型。     

基于RST的海底采场顶板稳定性二级模糊评价方法

 为更加科学准确地评价海底采场顶板稳定性,提出一种基于粗糙集理论（RST）的采场顶板稳定性二级模糊评价方法。结合三山岛金矿海底开采实例,选取岩体抗压强度、岩石质量指标、节理平均间距、地下水状况、以及采场的深度、跨度、跨高比、周围扰动影响、顶板暴露面积、顶板最大暴露时间和支护措施等11项指标作为评价因子,采用连续分段函数和模糊语言变量隶属度取值表,分别确定连续性指标隶属度和离散型变量隶属度,并以12个采场为训练样本,采用粗糙集理论（RST）确定各指标权重,运用所建二级模糊评价模型,对12个采场样本逐一进行检验,正确率为100%;对-400m水平采场顶板稳定性进行评价,评价结果与该采场顶板的实际状况吻合,表明了该方法用于海底采场顶板稳定性评价的可行性。     

平面上凸曲线组合流

主要研究了两种新的平面凸曲率流: 一种是由保面积流和保长度流组合而成, 这种曲率流在演化过程中缩短了曲线的周长, 增大了曲线所围成的面积; 另一种是两种保长度流的“凸组合”, 这种曲率流的周长是常数, 而面积不断增大. 两种曲率流都具有全局存在性, 并且当时间趋于无穷大时, 曲线在C^∞范数下收敛到有限圆.