基于混沌遗传-支持向量机的空地攻击型无人机作战效能评估

空地攻击型无人机的作战效能评估在未来战场“去功能化”打击中具有重要的意义.在对空地攻击型无人机作战效能实时评估时,影响作战效能的评价指标体系因素相对复杂,建立作战效能评估模型存在非线性特点,因此本文引入了具有较强鲁棒性的支持向量回归机算法进行作战效能评估,在构建空地攻击型无人机评估体系基础上,利用混沌系统-遗传算法对支持向量机惩罚因子等参数进行优化,保证战场实时环境下效能评估的有效性和效率.通过实例分析,混沌遗传-支持向量机模型能够准确地对空地攻击型无人机进行有效的作战效能评估,具有良好的鲁棒性.     

基于模糊积分支持向量机集成的商业银行信用风险评估模型研究

信用风险管理一直是银行和其他金融机构最关心的问题之一.随着我国经济体制的改革深入、市场机制的建立与完善以及资本市场、银行业的迅速发展,现行的信用评估体制与方法赶不上经济改革发展的需要.本文建立了基于模糊积分的支持向量机集成方法,该方法综合考虑了子支持向量机的输出重要性.用此方法对商业银行的信用风险进行评估,并与单个支持向量机和最多投票原则的支持向量机集成进行比较,实证结果表明,本文提出的方法具有更高的分类精度,证实了该方法的可行性和有效性,为银行建立一套更加可靠的评估系统提供了理论依据.     

支持向量机的关键问题和展望

作为机器学习的主要方法之一,支持向量机不仅有坚实的统计学习理论基础,而且在众多领域中表现出优秀的泛化性能,因此受到了广泛关注.然而近几年来,相比于深度学习的蓬勃发展,支持向量机的研究进展缓慢.本文从支持向量机的本质出发,探讨支持向量机的理论方法与深度学习等机器学习热点研究的交叉与融合,提出一些新的思路.具体地,包括3个方面:支持向量机的大间隔原则及其带来的低密度性、核映射的高维划分技巧及其统计学习理论,以及支持向量机的浅层学习模式向深度学习和广度学习的拓展.同时,从这3个方面分别提出支持向量机研究中可以进一步挖掘的优良性质,并展望未来可能诱导出的理论和方法.     

基于信息熵的空战目标威胁评估

空战目标威胁评估是协同多目标攻击空战决策的关键技术之一.针对传统空战目标威胁评估方法在确定权重系数方面的缺陷和不足,提出了运用信息熵方法来解决空战目标威胁评估问题.给出了信息熵方法确定威胁指标权重的具体步骤,建立了基于信息熵的空战目标威胁评估模型,并进行了仿真研究,仿真结果表明该方法是合理和有效的.     

基于支持向量回归机的水文混沌时间序列预测

支持向量机在系统辨识和分类研究方面比较成熟,目前尚没有提出有效的支持向量回归理论来解决非线性、时变、干扰的复杂问题.支持向量回归机主要用于因果关系点对的回归预测,把支持向量回归机应用于水文混沌时间序列的预测研究是一个有意义的工作.在支持向量机一般理论基础上,提出了水文混沌时间序列支持向量回归机模型,并就模型进行仿真计算,讨论了模型参数对支持向量回归机预测精度的影响,为模型参数寻优提供一般指导原则.直门达水文站径流量混沌时间序列支持向量回归机预测实验表明,水文混沌时间序列支持向量回归机模型是有效的.     

基于Fuzzy理论的数据挖掘算法研究(Ⅰ)

“数据挖掘”是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于Fuzzy理论的数据挖掘算法研究Ⅱ

"数据挖掘"是数据处理的一个新领域.支持向量机是数据挖掘的一种新方法,该技术在很多领域得到了成功的应用.但是,支持向量机目前还存在许多局限,当支持向量机的训练集中含有模糊信息时,支持向量机将无能为力.为解决一般情况下支持向量机中含有模糊信息(模糊参数)问题,研究了模糊机会约束规划、模糊分类中的模糊特征及其表示方法,建立了模糊支持向量分类机理论,给出了模糊线性可分的模糊支持向量分类机算法.     

基于遗传算法和熵的缩减记忆式LS-SVM财务困境预测模型研究

为了提高财务困境预测的正确率,减少模型的训练样本数和训练时间,在传统支持向量机(SVM)预测模型的基础上,将遗传算法、信息熵和缩减记忆算法应用于最小二乘支持向量机(LS-SVM),提出了一种基于遗传算法和信息熵的缩减记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进模型的实现步骤。实验结果表明,该模型无论是预测正确率,还是训练样本的数量和训练时间,都显著优于最小二乘支持向量机以及传统支持向量机模型。     

基于PCA与NSSVR的人口老龄化研究

基于非线性光滑支持向量回归机研究了人口老龄化问题.首先介绍了非线性光滑支持向量回归机(NSSVR);其次,提出了人口老龄化影响体系,利用主成分分析(PCA),在体系基础上提取出对老龄化影响明显的9个指标;再次,通过非线性光滑支持向量回归机模型建立了老龄化率与9个影响指标间的相互关系;最后,用非线性光滑支持向量回归机模型对未来人口老龄率进行预测.实证表明,方法具有很好的预测效果.     

常微分方程近似解的LS-SVM改进求法

提出一种基于最小二乘支持向量机(LS-SVMs)的求解常微分方程近似解的改进方法.该方法首先通过离散计算域,将常微分方程转换为有约束条件的目标优化问题,然后利用径向基(RBF)核函数可导的性质,用带有导数形式的LS-SVM模型将此优化问题转化为LS-SVM回归问题,进而进行求解.最终得到的闭式近似解具有精度高、连续可微、结构简单且形式固定的特点.该方法适用于任意阶非刚性和奇异的线性常微分方程初值问题和边值问题,以及一阶非线性常微分方程问题.仿真结果验证了该方法具有良好的有效性.     

基于LS-SVM的管道腐蚀速率灰色组合预测模型

为提高管道腐蚀速率预测精度,建立了一种基于最小二乘支持向量机的灰色组合预测模型.以各种灰色模型对管道腐蚀速率的预测结果作为支持向量机的输入,以管道腐蚀速率的实测值作为支持向量机的输出,采用最小二乘支持向量机回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机进行组合预测.预测模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.     

基于战役的多机种战伤备件需求模型

为了合理储备战时航材备件,通过分析战时故障备件的需求特点,改进了传统的单机故障备件需求模型.根据多机种协同作战任务的不同,引入备件工作运行比的概念,建立了基于作战任务的多机种故障备件需求模型.为解决多机种协同作战时的保障资源配置问题提供了思路和方法.     

基于支持向量机的磨粒识别

由于神经网络的局限性,上个世纪末,支持向量机被提出和发展,它在模式识别方面有广泛的应用发展前途,并由最初的二元分类发展到现在的多元分类.本文根据支持向量机的最新发展,把最小二乘支持向量机应用在磨粒识别上,并取得了好的结果.     

Dynamics on networks: assessing functional connectivity with Granger causality

We consider the analysis of brain networks based on multi-electrode neural recordings. Granger causality and its spectral decomposition are used to assess the directions of dynamic interactions. The effectiveness of the method is illustrated by applying it to simulated data. Then multichannel local field potential recordings from monkeys performing a visuomotor pattern recognition task are analyzed to gain deeper understanding of the organization and functionality of large-scale oscillatory cortical networks.     

A robust regression based on weighted LSSVM and penalized trimmed squares

Least squares support vector machine (LS-SVM) for nonlinear regression is sensitive to outliers in the field of machine learning. Weighted LS-SVM (WLS-SVM) overcomes this drawback by adding weight to each training sample. However, as the number of outliers increases, the accuracy of WLS-SVM may decrease. In order to improve the robustness of WLS-SVM, a new robust regression method based on WLS-SVM and penalized trimmed squares (WLSSVM–PTS) has been proposed. The algorithm comprises three main stages. The initial parameters are obtained by least trimmed squares at first. Then, the significant outliers are identified and eliminated by the Fast-PTS algorithm. The remaining samples with little outliers are estimated by WLS-SVM at last. The statistical tests of experimental results carried out on numerical datasets and real-world datasets show that the proposed WLSSVM–PTS is significantly robust than LS-SVM, WLS-SVM and LSSVM–LTS.     

空中加油问题最大作战半径的计算

本文基于对称性与均衡分配的方法,对基地有一架主机和n架辅机的空中加油问题进行讨论分析,设计了空中加油问题的优化作战方案,给出了该方案下最大作战半径的递推公式,利用数值拟合的方法求出了最大作战半径的近似计算公式.     

"兰氏"平方律作战毁伤过程兵力损耗率系数战例求解理论

如何求得著名的“兰氏”平方律战斗动力学方程中双方兵力损耗率系数，这是作战模拟应用研究领域中一个久攻未克的难题。本文提出了以作战结果来逆向研究作战过程中双方兵力损耗率系数的思想。阐述了对于不变的作战双方在相同（相近）的作战环境与作战条件下相继进行的作战序列里，双方各自的兵力损耗率系数不变（波动不大）的公理，论证了揭示作战序列内部规律的两条定理。据此，建立了兵力损耗率系数的战例求解理论与方法。运用这一理论与方法，据以往发生的作战过程其数值特征可以求得未来相似或相同作战过程中双方兵力损耗率系数的具体取值，首次解决了作战模拟研究领域中兵力损耗率系数的具体取值这一难题。     

Sequential Experiment Design Method Based on Uniformity and Distortion of Responses

Acta Mathematicae Applicatae Sinica, English Series - With the development of modern electronic countermeasure technology, the fight between radar jamming and anti-jamming in aviation military has...     

Stabilized dynamic constraint aggregation for solving set partitioning problems

Dynamic constraint aggregation (DCA) and dual variable stabilization (DVS) are two methods that can reduce the negative impact of degeneracy when solving linear programs. The first uses a projection to reduce the primal space whereas the second acts in the dual space. In this paper, we develop a new method, called stabilized dynamic constraint aggregation (SDCA), that combines DCA and DVS for solving set partitioning problems. It allows to fight degeneracy from both primal and dual perspectives simultaneously. To assess the effectiveness of SDCA, we report computational results obtained for highly degenerate multi-depot vehicle scheduling problem instances solved by column generation. These results indicate that SDCA can reduce the average computational time of the master problem by a factor of up to 7 with respect to the best of the two combined methods. Furthermore, they show that its performance is robust with regard to increasing levels of degeneracy in test problems.