基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

舵机反操纵负载台设计

反操纵气动力加载设备,技术关键在于加载强度大,对称性与线性度要求高,加载元件小巧.通过引用机器人的平衡技术,解决了上述技术关键.设计出了我国第一台模拟舵机反操纵加载的试验台.      

基于Tophat变换和文字纹理的车牌定位算法

针对车牌自动识别系统的应用场景越来越广泛,提出一种新的基于Tophat滤波和文字纹理特征的车牌定位算法.首先,利用形态学Tophat滤波抑制背景、消除不均匀光照,然后对图像进行二值化操作和连通域分析;其次,扫描图像得到区域的垂直投影图(VPM, Vertical Projection Map),对VPM进行离散余弦变换(DCT, Discrete Cosine Transformation),利用中低频描绘子重构VPM,重构后的VPM更为平滑,不受噪声影响,其波峰波谷数量、统计量更能描绘区域纹理的本质属性;最后,结合部分中低频描绘子和统计量组成描述区域纹理的模式向量,输入支持向量机归类.实验表明,算法适用于自然场景中的车牌定位问题,具有较强的适应性.      

二自由度平面并联机床的柔度与变形分析

文中对一种新型平面并联机床的速度,力与变形关系进行分析,得到其速度、力雅可比矩阵进而得到其柔度矩阵,提出该并联机床柔度评价指标,并给出了该评价指标在工作空间内的分布情况,为该并联机床的设计与应用提供了有益参考。     

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系,首先将基于支撑域的单分类器统一到密度估计的框架下;其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致,同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。     

复合材料冲击试验机的研制及相关试验

简要概括了复合材料冲击试验的研究现状,详细介绍了某落锤式冲击试验机的研制及工作原理;以某层压板为例验证了该试验机性能,并对比分析了冲击前后层压板强度的变化.结果表明:该试验机数据收集满足试验要求;层压板受到低能冲击后内部出现大量分层损伤,其强度值降低最大达35%.     

一种模拟整星热环境的小型单机热平衡试验

文章通过对一个典型的单机热分析和热试验的研究,提出了一种小型单机热平衡试验方法,模拟单机在整星环境下的热平衡试验,以避免只为验证其热设计而再次补做整星热平衡试验。为准确模拟单机在星内的辐射和导热过程,通过灰体间辐射热网络法和仪器安装板处单元体热平衡法,给出了等效辐射特征点和等效导热特征点的确定方法;并结合试验结果,对模型修正的合理性、局限性进行了分析,提出了在实际应用过程中应注意的问题。     

基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.