含函数型自变量回归模型中的变量选择

针对含有函数型和多元向量数据的回归模型中变量选择和参数估计问题进行研究,扩展了函数型数据分析和变量选择方法的应用范围。首先,函数型自变量基于函数型主成分基函数空间进行投影;然后,对投影后的函数型自变量（按组）及多元向量自变量采用惩罚变量选择方法,同时估计相应的系数。惩罚项调节参数采用自适应调节参数,损失函数采用中位绝对损失函数,以此为例,通过引入松弛变量将估计算法转化为求解线性规划问题,算法复杂度低。数值模拟结果表明,所提方法对于含函数型自变量回归模型的变量选择和参数估计均具有良好效果。      

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

液体火箭发动机故障检测与诊断的反向选择算法

基于生物免疫系统中的反向选择原理,提出了液体火箭发动机地面试车故障检测与诊断的新方法,对检测器的产生、检测器数量的确定以及故障诊断的实现等几个问题进行了分析。基于发动机地面试车数据的验证结果表明,该方法能有效提高算法的训练效率、实时性能和诊断结果的准确性。     

航拍视频拼图中基于梯度域的多帧图像融合方法

图像融合是视频拼图中获得高质量合成图像的重要步骤。利用梯度信息引导插值融合重合区域较小的两幅图像已经取得较好的效果,然而对于视频拼图而言,相邻两帧图像之间重合区域大,且多帧图像之间交叠重合,给这种方法的实际应用带来限制。为解决这一问题,设计梯度域内同时融合多帧图像的策略,利用图像的自然边界将拼图平面进行区域划分,在各区域内分别定义引导矢量场和边界条件,实现各划分区域的一次性融合。为克服拼图平面的过划分问题,提出相应的帧选择方法和区域合并算法。将该策略用于视频拼图实验,获得了视觉效果良好的合成图像,并提高了融合效率。     

蒸汽动力分布式集成智能故障决策支持系统

船舶蒸汽动力故障决策支持系统是一个复杂的系统决策问题。文章借鉴RODOS系统（核事故应急决策支持系统）的思想,将分布式系统结构、系统集成思想以及智能运作机制引入到决策支持系统之中,提出船舶蒸汽动力系统分布式集成智能故障决策支持系统的理论框架和结构。系统可充分利用分布式集成智能理论的自主性、反应性和自觉性,对蒸汽动力系统故障时的处置决策提供有效支持。     

基于混合优化算法的固液发动机装药优化设计

为了减小固液发动机工作过程中氧燃比的变化导致的比冲等性能损失,提出基于差分进化和克隆选择的混合优化算法,建立装药优化问题的优化模型和优化流程,采用惩罚函数处理约束条件,对某型固液发动机进行了装药优化和分析.结果表明该优化算法和流程性能良好,优化后发动机的性能得到了明显提高,减小了余药质量分数和工作压强,改善了燃烧室和喷管的工作环境,且平均比冲提高了1.2%.      

基于单因素SVM的航空兵空运转场飞行架次需求预测研究

航空兵部队成建制空运转场飞行架次需求预测,对机关、航空兵部队拟定空运计划、进行空运准备等都具有重要的意义。运用序列后向选择方法(SBS)对影响飞行架次的特征因素进行逐层淘汰,利用支持向量机(SVM)理论建立单因素非线性回归模型,进而对飞行架次进行预测。预测结果表明:同多因素SVM预测模型相比,单因素SVM预测模型虽在预测精度上没有显著提高,但其减少了预测的前期工作量,方便了机关和部队的使用,实现了飞行架次预测的实时性要求。     

反舰导弹对目标选择的一种新方法

超视距反舰导弹(ASM)在搜索阶段选择预定目标时,目前采用的瞄准点选择方法受自控终点的散布误差和目标机动影响较大。为此提出一种利用舰艇编队相互位置关系(MPR)选择预定目标的方法。编队相互位置关系即其余目标相对参考目标的位置,对于一个编队,选择不同的参考目标得到不同的编队相互位置关系。对发射前装订的编队,以预定目标为参考目标获得其编队相互位置关系,在末制导雷达探测到的编队目标中,若以某目标为参考目标时的编队相互位置关系与之最相似,则该目标即为所要选择的预定目标。该方法不受自控终点散布误差和编队目标整体机动的影响。仿真实验表明该方法正确选择预定目标的概率高于瞄准点选择方法。     

基于频响函数模型修正影响因素的仿真

首先推导了基于频响函数模型修正的理论公式,在此基础上通过平面桁架模型修正的仿真算例,比较研究了基于频响函数模型修正方法具体实现过程中数据测量噪声、频率点选择以及频段选择等因素对修正结果的影响。研究表明,频率点的选择是基于频响函数模型修正的关键因素,合理的频率点选择既能够减小计算量,降低修正方程的条件数,同时还能够抑制测量噪声的影响;此外,提高实测数据的精度,增加修正频段的宽度也是改善模型修正效果的有效手段。     

改进免疫算法在函数优化中的应用

在对已有克隆选择算法的抗体行为特征分析的基础上,提出了一种新的偏心动态免疫克隆算法(EDICA,Eccentric Dynamic Immune Clone Algorithm).利用进化过程中子代抗体比父代抗体更靠近最优解的启发性信息,提出偏心变异策略,使抗体更快地靠近最优解域.引入控制因子,通过动态调整变异搜索半径的方法,在进化初期加大步长以加快搜索速度,而在后期减小搜索粒度以提高优化精度.采用超球体混沌变异策略以克服各向异性的不利影响并提高全局搜索能力.实验结果表明:EDICA不仅能够准确地找到静态函数的多个最优点,而且还能以较高的精度锁定和跟踪动态函数的最优点.