隨著系統(tǒng)結(jié)構(gòu)的日益復雜和各類新技術(shù)的廣泛應用,傳統(tǒng)測試方法已經(jīng)難以滿足現(xiàn)代武器系統(tǒng)對測試性的要求。然而,測試性作為保障武器系統(tǒng)維修性的重要條件,已經(jīng)成為武器系統(tǒng)研制和使用過程中不可缺少的環(huán)節(jié),確保武器系統(tǒng)具有良好的測試性對提高武器系統(tǒng)效能、降低全壽命周期費用均具有重要意義。為了提供更加有效的測試方法,滿足現(xiàn)代武器系統(tǒng)的快速、精確的測試需求,本文采用了核方法,以武器系統(tǒng)中的主要故障部件電子系統(tǒng)為例進行了分析研究。核方法具有優(yōu)秀的模式識別能力,有理論堅實、推理過程清晰,擅長小樣本決策的優(yōu)點,適合應用于武器系統(tǒng)測試問題。本文的主要工作如下:文章首先研究了支持向量機理論。從簡化支持向量機分類過程、提高分類精度的角度出發(fā),對支持向量機多分類方法進行了研究。接下來對核方法的基礎理論進行研究。為了降低核方法的復雜度,同時提高其性能,本文從提升核函數(shù)性能著手,從核參數(shù)選擇和核函數(shù)構(gòu)造兩方面進行了研究,并將研究結(jié)果與支持向量機多分類方法相結(jié)合。針對解決常用的支持向量機多分類方法存在的結(jié)構(gòu)復雜、計算量大、有不可分樣本的問題,本文對支持向量機多分類策略進行了研究,對結(jié)構(gòu)簡單的最小生成樹支持向量機分類方法進行... 

【文章頁數(shù)】：152 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
論文中使用的縮略詞
第1章 緒論
    1.1 課題背景及研究意義
    1.2 核方法原理及研究現(xiàn)狀
        1.2.1 核方法原理
        1.2.2 核方法研究現(xiàn)狀
    1.3 核方法在電子系統(tǒng)測試中的應用
    1.4 支持向量機
        1.4.1 統(tǒng)計學習理論
        1.4.2 支持向量分類機
    1.5 本文的主要研究內(nèi)容及結(jié)構(gòu)安排
第2章 改進的最小生成樹多分類支持向量機
    2.1 最小生成樹支持向量機及改進算法
        2.1.1 特征空間中的Fisher可分離性測度
        2.1.2 基于Fisher可分離性測度的最小生成樹支持向量機算法
    2.2 標準數(shù)據(jù)集上的驗證
    2.3 FMST-SVM在系統(tǒng)測試中的驗證
        2.3.1 測試性實驗的步驟及相關方法
        2.3.2 系統(tǒng)仿真驗證
        2.3.3 實際系統(tǒng)仿真驗證
    2.4 本章小結(jié)
第3章 核方法參數(shù)選擇
    3.1 基于均勻設計的核參數(shù)的二次搜索方法
        3.1.1 均勻設計
        3.1.2 基于均勻設計的核參數(shù)二次搜索方法
        3.1.3 標準數(shù)據(jù)集驗證
    3.2 基于混合改進果蠅算法的核參數(shù)優(yōu)化算法
        3.2.1 果蠅算法
        3.2.2 基于均勻設計的混合改進果蠅算法
        3.2.3 基于MIFOAUD的核參數(shù)搜索方法
    3.3 本章小結(jié)
第4章 多尺度核函數(shù)構(gòu)造
    4.1 多尺度CAUCHY核函數(shù)
        4.1.1 定義
        4.1.2 支持向量機分類集成方法
        4.1.3 標準數(shù)據(jù)集驗證
    4.2 RAYLEIGH核函數(shù)
        4.2.1 Rayleigh分布與Rayleigh核函數(shù)
        4.2.2 仿真實驗驗證
    4.3 多尺度RAYLEIGH核函數(shù)
    4.4 加權(quán)組合的多尺度核函數(shù)性能比較
    4.5 本章小結(jié)
第5章 基于多尺度核函數(shù)的FMST-SVM方法及應用
    5.1 核參數(shù)變化對類間FISHER可分離性測度的影響
    5.2 核參數(shù)變化對FMST-SVM的影響
        5.2.1 高斯核參數(shù)變化對FMST-SVM的影響
        5.2.2 Cauchy核參數(shù)變化對FMST-SVM的影響
        5.2.3 Rayleigh核參數(shù)變化對FMST-SVM的影響
    5.3 基于多尺度核函數(shù)的FMST-SVM算法
    5.4 多尺度核函數(shù)FMST-SVM算法在系統(tǒng)測試中的應用
        5.4.1 混頻器電路仿真測試應用
        5.4.2 Four-opamp-biquad電路仿真測試應用
        5.4.3 帶阻濾波電路仿真測試應用
    5.5 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學位期間發(fā)表的論文及其它成果
致謝
個人簡歷


【參考文獻】：
期刊論文
[1]變結(jié)構(gòu)遺傳最小二乘支持向量機法預測日用水量[J]. 陳磊,石也.  浙江工業(yè)大學學報. 2017(01)
[2]基于支持向量機技術(shù)的網(wǎng)絡輿情研判[J]. 郭文強.  數(shù)字技術(shù)與應用. 2017(02)
[3]基于改進支持向量機算法的船舶壽命周期費用研究[J]. 羅威,肖尚勤.  計算機與數(shù)字工程. 2017(02)
[4]基于多層聚類的多分類SVM快速學習方法[J]. 張春艷,倪世宏,張鵬,查翔.  計算機工程與設計. 2017(02)
[5]最小二乘支持向量機和脂肪酸融合信息應用于花生油摻偽玉米油檢測[J]. 彭丹,李曉曉,畢艷蘭.  食品科學. 2017(16)
[6]改進果蠅算法在凈化除鈷過程鋅粉量優(yōu)化設定中的應用[J]. 王雅琳,何海明,孫備,陽春華,謝永芳.  控制理論與應用. 2016(05)
[7]KPCA-GRNN網(wǎng)絡在數(shù)控機床復合故障診斷中的應用[J]. 李善,譚繼文,俞昆,文妍.  煤礦機械. 2016(03)
[8]KPCA-bagging集成神經(jīng)網(wǎng)絡軟測量建模方法[J]. 夏陸岳,王海寧,朱鵬飛,潘海天.  信息與控制. 2015(05)
[9]一種改進的基于最小生成樹的遙感影像多尺度分割方法[J]. 李慧,唐韻瑋,劉慶杰,丁海峰,荊林海.  測繪學報. 2015(07)
[10]基于語言無關性語義Kernel學習的短文本分類[J]. 易欣,郭武士.  計算機應用與軟件. 2015(07)

博士論文
[1]支持向量機的核方法及其模型選擇[D]. 常群.哈爾濱工業(yè)大學 2007
[2]基于時頻分析和神經(jīng)網(wǎng)絡的模擬電路故障診斷及可測性研究[D]. 袁海英.電子科技大學 2006

碩士論文
[1]機電產(chǎn)品測試性輔助分析與決策相關技術(shù)研究[D]. 蘇永定.國防科學技術(shù)大學 2004



本文編號：3703880