树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

一种新的太阳质子事件警报方法的探讨

本文分析了第21太阳活动周后半期的太阳质子耀斑硬X射线辐射资料, 发现它们的峰值流量、积分流量、上升沿斜率、X光子的最高能量和持续时间等物理参数之间有着不同于非质子耀斑的相关性。据此, 本文采用模糊聚类分析法, 对21太阳活动周期间(1980.2—1986.2)的质子事件进行预报试验。其报准率为88.5%, 虚报率为53.1%, 漏报率为11.5%。本文提供了基于X射线辐射特征的太阳质子事件警报的新途径和方法。      

类水滴进口高超声速内收缩进气道设计及数值研究

采用压升规律可控的轴对称基准流场,结合流线追踪及截面渐变等技术设计了类水滴进口转圆形出口高超内收缩进气道构型,在设计点和接力点进行了数值模拟,并和设计参数相同的矩形转圆形内收缩进气道进行了比较.结果表明:设计点和接力点两者总体性能相当,类水滴进口进气道出口流场较均匀,并且具有更好的起动性能.此外,类水滴进口的几何非对称性造成了进气道整个流场结构的非对称.      

数值微分的小波最小二乘方法

给出了利用小波求解数值微分的方法.将微分问题转化为等价的第一类Fredholm积分方程,然后选取小波基,使用最小二乘求解该积分方程.我们给出的分析框架容许使用具紧支集的小波,利用正则化保证了计算的稳定性.数值计算实例表明,本方法稳定,运算速度快,计算精度高.     

运输类飞机气弹稳定性适航分析研究

随着飞机性能的提高,飞机刚度的不断下降,飞机更易发生各种气动弹性不稳定现象。这些气动弹性现象非常有害,对飞机的飞行安全构成极大的威胁。本文从适航验证角度出发,结合CCAR-25-R4运输类飞机适航标准中气弹稳定性条款第25.629条要求,分析研究了运输类飞机气弹稳     

基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.     

类HTV-2横侧向稳定性研究

针对HTV-2类飞行器存在的横侧向稳定性差的问题,通过风洞试验、模态分析和参数敏感性分析方法研究了类HTV-2飞行器的横侧向稳定性。研究结果表明：与偏航方向相比,滚转静、动稳定性都更弱,表现为：攻角小于10°滚转方向是静不稳定的;在滚转动态试验中,振动曲线随时间不是呈现收敛趋势,而是出现明显非线性多频谱周期性特征。通过在模型前体布置顺气流纵向绊线促使流动对称转捩的方法,增加了滚转曲线的线性和横侧向稳定性。横侧向模态和参数敏感性分析表明,滚转模态随时间缓慢发散,系统对偏航静稳定性等参数比较敏感。     

一种基于等长时隙划分双层卫星网络路由算法

针对网络拓扑时变和链路频繁切换影响卫星网络路由性能的问题,采用"骨干/接入"和"弱连接"思想,构建双层卫星网络,实现地球静止轨道卫星(GEO)与低轨道卫星(LEO)各层的分开管理。在此基础上,通过动态调整极区边界值,进行系统周期的平均划分,提出了适合于双层卫星网络的等长时隙快照和星上分布式路由算法(Equal-length Interval Snapshots and On-board Distributed Routing Algorithm,EDRA)。分析和仿真验证表明,这种"骨干/接入"的双层卫星网络架构更加合理,EDRA算法划分的时隙数量仅为时间虚拟化和分层管理的路由算法(Virtualized Time and Layered Management Routing Algorithm,VLRA)的一半,平均时隙长度则为VLRA的3倍以上,减少了路由计算与更新的次数,提高了网络链路利用率,并且端到端时延抖动小,数据丢包率低,更加适合于卫星网络中应用。     

反作用轮不完全数据故障诊断新算法

针对卫星反作用轮遥测数据存在不完备情况,提出一种基于核模糊均值聚类（KernelFuzzy C-Means,KFCM）的数据修复诊断算法KFCM-Imputation(KFCM-I)。该算法通过KFCM聚类实现已知故障样本的聚类中心和聚类半径,通过相似度计算查找与不完备数据最相似的数据点,将该数据点填充于不完备数据点位置,保证数据的完备性,并通过数据的相似度进行故障诊断。考虑所有故障特征同步缺失数据和各故障特征随机缺失数据两种工况,对比工程上直接删除缺失数据的方法,在数据缺失量小于总数据量的13%时,KFCM-I诊断精度能达90%以上;当数据缺失量占总数据量13%～20%时,诊断精度仍能达到80%。KFCM-I算法故障诊断精度高、计算简单,对工程应用有较好的参考价值。