最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

基于最小二乘支持向量机的小样本建模方法研究

针对捷联惯组历次测试数据小样本建模问题,提出了通过二次修正插值方法解决测试数据的非等间隔性和样本容量小的问题。并通过相空间重构的思想将一维时间序列多维化。最后通过最小二乘支持向量机建立预测模型。实例分析表明,建立在二次修正插值基础之上的最小二乘支持向量机时间序列模型具有较高的预测精度,能够很好地满足对惯组测试数据分析的要求。     

遗忘因子最小二乘支持向量机及在陀螺仪漂移预测中的应用研究

以陀螺仪漂移误差系数时间序列预测为对象，研究并提出了遗忘因子最小二乘支持向量机算法。构造了以多项式、径向基、小波函数为核函数的支持向量机（SVM）、最小二乘支持向量机（LSSVM）、遗忘因子最小二乘支持向量机（FFLSSVM），比较了它们用于强非线性测试集的泛化性能。实验结果表明：FFLSSVM比由相应核函数构成的SVM、LSSVM自适应性强、预测精度高；三种核函数生成L2（R）子空间上完备基的能力不同，导致三个FFLSSVM逼近任意目标函数的精度有差异；遗忘因子最小二乘小波核支持向量机可有效地用于陀螺漂移误差动态补偿、可靠性辅助决策、故障预测。     

基于最小二乘支持向量机的工具误差分离与折合

制导工具误差分离与折合是导弹精度评定中的重要问题,提出了利用支持向量机方法获得工具误差系数估计和进行弹道误差折合的新方法,由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。仿真计算表明,与最小二乘和主成分方法相比,最小二乘支持向量机获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

基于LSSVR的模拟电路故障诊断

对基于最小二乘回归型支持向量机（LSSVR）的模拟电路故障诊断方法进行了研究。根据模型故障诊断原理,设计了LSSVR残差生成器,用遗传算法优化LSSVR参数,以残差的高阶统计量为故障特征识别电路故障。仿真结果表明：该法能有效识别模拟电路的故障,具一定的实用性。     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题，提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先，将平滑处理后的陀螺数据作为样本点，采用基于径向基核函数的支持向量机方法构建漂移模型，把数据从低维空间映射到高维空间进行线性拟合。然后，利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化，避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后，陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比，陀螺输出数据方差分别平均减小了63.2%、43.4%，最大误差分别平均减小71.63%、48.3%。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

基于小样本数据的惯性平台系统贮存可靠度的预测方法

针对小样本的惯性平台系统贮存可靠性问题,开展了系统的方法研究。首先,分析了惯性平台系统定检数据的特点;其次,引入最小二乘支持向量机的预测方法对惯性平台系统贮存可靠度进行预测。数值计算结果表明,与多项式回归预测方法和灰色预测方法相比较,预测结果更加科学、准确。     

高分辨率多径时延测量算法

提出一种基于最小二乘准则的高分辨率多径信号时延测量方法。对参考信号作三阶样条插值获得每条多径信号最小二乘意义的最优估计,用每条多径信号的测量值重构接收信号,通过反复迭代使重构信号是接收信号最小二乘意义的最优估计,实现多径信号的时延测量。仿真结果表明：新算法在低信噪比、窄带信号条件下仍能获得较高的时延测量精度,性能优于MUSIC类时差测量算法。     

基于支持向量机的飞行器气动模型近似方法

针对飞行器总体快速设计需求,研究了基于支持向量机的气动模型近似方法。通过正交试验设计方法,获取飞行器气动模型的输入输出样本,训练以径向基核函数为基函数的支持向量机,完成飞行器气动模型近似建模。以某飞行器为应用对象开展了实例验证,结果表明该方法能够保证气动模型的精度要求,提高了计算效率,符合总体方案快速设计需求。     

基于基线长度加权的GNSS多天线姿态测量方法

GNSS可用于获取动态载体的姿态信息，为提高其姿态测量精度，提出一种基于基线长度信息对最小二乘姿态解算方法进行加权处理，改进了最小二乘姿态解算方法，同时通过船载实验验证了该方法的可用性。实验结果表明：在船载动态实验中，当基线长度存在明显差异时，加权最小二乘法较等权最小二乘法在精度上明显提高，其中横滚角的精度提高了13 %。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

基于支持向量机的冗余陀螺故障诊断方法

为了弥补最优奇偶向量法在冗余陀螺故障诊断中存在的不足,提出了基于支持向量机的故障诊断方法.在最优奇偶向量法的基础上,将冗余陀螺测量单元中所有陀螺的奇偶残差看做整体,作为多故障支持向量分类机进行训练数据,并从训练数据预处理、核函数选择和参数寻优等方面进行了研究.将训练后的支持向量分类机用于对九陀螺冗余测量单元的故障诊断试验,试验结果表明,该方法具有良好的故障识别率、较低的漏检率和虚警率.     

新型仿生偏振测角传感器及角度误差补偿算法

沙漠蚂蚁神奇的导航本领为我们研制新型导航传感器提供了有价值的技术参考.分析了沙漠蚂蚁利用天空偏振光分布模式导航的机理,设计了一种新型的仿生偏振测角传感器.提出了一种新的航向角度求解方浇法,给出了一种基于最小二乘支持向量机航向角输出误差补偿算法.利用精密旋转测试台进行了室外航向角度输出测试,实验结果证明了角度解算方法是可行的,角度误差补偿算法是健壮有效的.     

基于最小二乘支持向量机的SAR平台定位

将SAR平台定位分解为粗略定位和精确定位两个阶段。首先,在SAR正侧视成像的条件 下,利用某个方位门内的所有控制点,采用非线性最小二乘平差粗略估计出SAR平台在该方 位时刻的空间位置,并从理论上推导了控制点的误差协方差矩阵到SAR平台定位的误差协方 差矩阵的传递规律。其次,利用各个方位时刻粗略估计的SAR平台位置,采用最小二乘支持 向量回归机精确估计SAR平台的运动方程,从而精确估计SAR平台在某个时刻的空间位置。仿 真试验表明,本文提出的方法能够精确地反演出SAR平台的空间位置。
     

一种改进的GPS/BDS双模系统整周模糊度求解算法

针对GPS/BDS双模系统高维空间的整周模糊度参数问题,分析了经典最小二乘降相关平差算法和自展算法的优点与不足,根据测量数据维数高和病态的特点,提出一种基于这两种算法的整周模糊度求解算法。实测导航数据验证了该算法的有效性。仿真结果表明,该算法克服了模糊度之间相关性和误差引起的协方差矩阵的病态问题,提高了模糊度的搜索效率和成功率。     

基于双近邻模式和最小二乘支持向量机的SAR景象匹配区选择

通过对景象匹配过程的分析,从模式识别的角度阐述了误匹配产生的原因.从避免误匹配的角度定义了双近邻度、最小距离以反映sAR景象的独特性和匹配的准确性,并结合反映地面景物稳定性的边缘密度,构建反映SAR景象适配性的分类特征向量.基于该分类特征向量,利用最小二乘支持向量机将SAR景象基准图子图划分为匹配正确的子图和匹配错误的子图,并由匹配正确的子图类构成sAR景象适配区.试验结果表明,提出的方法能够有效地规划出所需的SAR景象匹配区.     

基于半参数建模的弹道目标实时滤波

设计弹道目标的实时跟踪滤波器时,精确的动态建模和测量系统误差自校准是提高滤波精度的重要手段。基于补偿最小二乘原理和Tikhonov正则化定理,将难于参数化的复杂运动成分和测量系统误差表示为非参数分量,建立了基于半参数化建模的弹道递推模型和实时滤波算法,并详细设计了半参数建模时所需的光滑因子、正则化矩阵和窗口宽度等建模参数的在线选取方法。仿真实验和实际数据的计算结果表明,非参数成分可以有效地补偿状态模型误差,且可在线校准测量系统误差,显著改善弹道估计精度。算法已初步应用于实际飞行任务,其中的递推建模方法和参数选择策略对其它实时滤波器的设计同样有参考价值。     

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。