基于样本类别确定度的半监督分类

在对遥感图像进行分类时,全监督算法往往需要足够的标记样本进行训练,然而标记的过程是耗时和昂贵的,相反收集大量的无标记样本是很容易的。为了在学习过程中能够有效利用未标记样本的信息,本文提出了基于样本类别确定度（CCS）的半监督分类算法。首先,利用多分类支持向量机（SVM）得到未标记样本属于各类别的确定度,有效地衡量了未标记样本类别可靠性;其次,对样本类别确定度进行预处理,提升利用未标记样本的安全性;最后,基于样本类别确定度设计了半监督线性判别分析（LDA）降维算法并对其进行核化,使得样本在降维后的子空间更具有可分性,并根据降维后的数据特点,采用最近邻分类器对新样本进行分类。利用真实的合成孔径雷达（SAR）图像进行测试,验证了在标记样本较少的情况下,本文算法在性能上优于全监督和其他半监督算法,并能够快速收敛。      

航空旅客出行需求强度异质性研究

为了研究旅客出行需求强度问题,采用问卷调查的方式采集数据,对回收的问卷进行数据整理,构建了潜在类别模型,并用软件mplus对出行人群的出行需求强度进行分类,得到结果如下：可通过旅客属性特征调查,将旅客分为4类人群,分别是高需求人群、中高需求人群、中低需求人群、低需求人群。对分类结果采用多元logistic回归分析,结果表示需求强度人群划分影响因素主要为职业、出行目的、票价提高是否出行等。根据回归结果分析可以将4类需求强度异质性做具体的分析。     

损伤模式及影响分析在飞机生存力工程中的应用

损伤模式及影响分析是在故障模式及影响分析的基础上，确定作战飞机在敌方各种威胁机理作用下的相应损伤模式及其影响的有效方法。它在飞机生存力工程中，是易损性评估的基础和前提。本文阐述了损伤模式及影响分析的作用、内容、步骤和方法。     

基于CST-GAN的翼型参数化方法

翼型参数化方法对于翼型制造、气动和隐身等的优化设计具有非常重要的作用,为进一步提高参数化方法的表示能力,避免在优化过程中产生奇异外形进而提升翼型优化设计效率,结合外形控制能力更加灵活的类别形状函数变换方法（CST）及能够学习数据潜在分布的生成对抗网络模型（GAN）,基于现有翼型数据库构建了一种新型翼型参数化方法：CST-GAN。通过考察生成翼型的几何质量及其表示误差,研究设计维度对CST-GAN翼型参数化的影响,并与Bezier、B样条及主成分分析（PCA）方法的表示精度进行了对比,最后基于该方法开展翼型优化设计。结果表明,该方法可以生成光滑、有效的几何外形,并能实现对翼型较为精确的描述。与其他几种常用参数化方法相比,CST-GAN方法具有较快的优化收敛速度和较好的优化效果,有助于改善优化效率,节约计算成本。此外,该方法鲁棒性强、易于实现,有拓展至三维机翼及整机的参数化建模并进行气动优化设计的应用潜力。     

改进CST方法在翼型优化设计中的应用

形状类别函数变换(Class-Shape Transformation,CST)方法是近年来发展起来的一种新型气动外形参数化方法,该方法具有良好的鲁棒性,且涉及参数少、精度高,结果简单直观等特点,被广泛应用于翼型设计研究中。文章结合某小型无人机设计的工程实践,探讨了CST方法在小型无人机翼型设计中的应用,在借鉴他人研究成果的基础上,决定采用Bernstein多项式构建形状函数,分析了Bernstein多项式阶数对CST方法拟合精度的影响。仿真结果表明,当BPO4时,拟合精度能够达到满意的要求,可用于该型无人机翼型的设计与优化。     

一种改进的近似支持向量机算法

标准近似支持向量机受类别差异影响和噪声、野值数据干扰较重,使得分类能力不高.提出一种改进的近似支持向量机算法——加权近似支持向量机,通过为不同类别设定不同的惩罚参数和为每个样本引入模糊隶属值,有效补偿类别差异带来的倾向性并去除噪声和野值数据的影响.模糊隶属函数的选取采用样本与类中心的距离和样本紧密度的加权平均值计算,以有效去除噪声和野值数据的干扰.经过分析,改进后的算法可近似归结为一种岭回归模型.实验表明,与标准近似支持向量机相比,该算法有更好的分类能力.      

CST气动外形参数化方法研究

 类别形状函数变换(CST)方法是通过类别函数和形状函数来表示几何外形的新型气动外形参数化方法。通过考察参数化过程线性系统的条件数以及对翼型的表示误差,研究了Bernstein多项式阶数(BPO)对CST方法单值性和精度的影响,并将CST方法与B样条法、Hicks-Henne法和参数化翼型(PARSEC)法的参数数量和表示精度进行了对比。使用基于CST参数化方法的远场组元(FCE)激波阻力优化方法对超声速机翼进行外形优化,优化后的机翼其激波阻力降低达61%。研究结果表明:CST方法具有参数少,精度高的优点;为保证表示精度,同时避免病态参数化过程,应使用4阶以上、10阶以下的Bernstein多项式定义形状函数。     

超声速翼身组合体激波阻力优化的EFCE算法

 超声速飞行器的横截面积分布对其激波阻力的影响十分显著,合理的机翼和机身横截面积分布可以显著降低其激波阻力。使用类别形状函数变换(CST)方法对机身进行基于横截面积分解的CST参数化外形表示,在此基础上提出了扩展的远场组元(EFCE)超声速翼身组合体激波阻力优化算法,并使用该方法对超声速客机翼身组合体进行外形优化,使其激波阻力系数降低了39%。研究结果表明:由于只进行一个方向上的面积分解,机身CST参数化所使用的参数数量和相应优化过程的计算量比机翼大幅降低;经过EFCE激波阻力优化的机身具有较为明显的面积率修形"蜂腰"特征。