【摘 要】
：
将待识别目标特征与支持向量机(SVM)相结畲，研究了以目标特征的分类为核心任务的SVM方法。为了充分体现不同训练样本对于待识别目标特征的价值，提出了以目标特征为中心的度量SVM软间隔优化问题中惩罚项的方法。其中，每个样本的惩罚项由距离惩罚项和先验惩罚项构成。并分析了SVM的优化问题。然后，根据各样本惩罚项的大小重构动态训练样本集，训练以目标特征为核心的SVM，寻求以目标特征为中心的局部空间的最优分
【出 处】
：
2007全国控制科学与工程博士生学术论坛
论文部分内容阅读
将待识别目标特征与支持向量机(SVM)相结畲，研究了以目标特征的分类为核心任务的SVM方法。
为了充分体现不同训练样本对于待识别目标特征的价值，提出了以目标特征为中心的度量SVM软间隔优化问题中惩罚项的方法。其中，每个样本的惩罚项由距离惩罚项和先验惩罚项构成。并分析了SVM的优化问题。然后，根据各样本惩罚项的大小重构动态训练样本集，训练以目标特征为核心的SVM，寻求以目标特征为中心的局部空间的最优分类面。最后，结合κ-近邻法设计了以基于目标特征的SVM为主体的水下目标分类器，并对三类舰船目标的识别情况进行了比较，实验表明效果好于经典SVM和七一近邻分类器。
其他文献
棉结是纺织生产中的一种有害疵点，不仅影响纺织品的质量，而且对染色质量影响也较大。在此背景下，本文提出了一种基于机器视觉的梳棉机在线棉结检测系统。本文分别对光源系统、高速图像采集系统、实时图像处理系统的设计进行了讨论，并且以实验验证了系统的可行性。实测结果表明，系统具有高速数据采集、宽幅表面棉结特征识别、在线实时处理(棉结计数)和显示(报警)等功能，且在高速生产环境下运行稳定可靠。本文设计的系统也可
利用网络连接多台微型计算机组成仿真系统，通过UDP传输协议建立了基于网络的地铁列车牵引系统并行半实物仿真平台。利用与实物交互的A/D板的准确定时完成仿真系统的同步时钟，在仿真计算机上利用Matlab的RTW方便的完成各仿真进程的实时计算，从而实现牵引系统各种工况的实时仿真。
讨论了区间型Type-2模糊集合的基本运算。提出格贴近度概念以及高斯～区间型Type-2模糊集合自贴近度的概念，证明了具有不定中心的高斯一区间型Type-2模糊集合格贴近度的若干结论。根据这些概念和结论对具有不定中心的高斯一区间型Type-2模糊集合和Type-1模糊集合的特点进行比较，推测在对研究对象了解较少时，高斯一区间型Type-2模糊系统比Type-1模糊系统会更有优势。仿真结果证明了推测
在分析了多传感器管理在信息融合系统中的作用的基础上，首先采用了基于角色的任务分解思想，提出了基于多Agent的多传感器管理结构模型，并分析了各个组件Agent的功能。Agent的之间的通信与协作是建立基于Agent的多传感器管理系统的基础，该文建立了一套通信和协调机制，以保证Agcnt对多传感器系统信息理解的完整性、一致性，以及Agcnt之间信息交换的有效性，实现了Agent之间的消解矛盾，协调行
IEEE802.lle网络在介质访问层(MAC)对业务的服务质量(QoS)提供支持，它提供的增强分布式信道接入机制(EDCA)在802.11分布式协调功能(DCF)的基础上提供业务区分服务，由于其分布式的特点而应用于Ad Hoe网络。本文首次将802.lle的接入机制放入多跳环境中进行访真分析和定量研究。提出一种新的多跳环境下802.lle网络模型，结合M/G/I/K排队模型，定量分析在隐藏终端影
针对自适应神经网络跟踪控制问题，提出了一种确定逼近域的方法。参考信号取代未知非线性函数中的系统输出信号，因此神经网络用于逼近以参考信号为输入的未知不确定项。这使得设计者可以利用参考信号的界预先确定神经网络逼近域的范围。此外，采用自适应鲁棒方法处理由于函数输入置换所引起的另一类不确定项。所得到的闭环系统是全局稳定的。通过一个仿真实例说明了所提出的控制方法的有效性。
本文结合粒子群优化算法的进化方程和免疫系统的克隆选择机制，提出一种组合优化算法。该算法有效利用了抗体的历史信息和抗体之间的合作，提高了种群的多样性和算法的收敛速度，并具有全局搜索能力。此算法的基础上，设计了PCA-PID控制器(PCA-PID)，可动态地改变其参数，以适应时变被控对象。仿真程序表明，与单纯的粒子群算法以及克隆选择算法设计的控制器相比，PCA-PID有更好的控制性能。
考虑随机压电智能梁结构材料物理参数和几何参数为随机变量时，建立了随机智能梁结构振动的控制程。在此基础上，对随机结构采用极点配置法进行振动控制。应用随机因子法对振动控制方程的闭环特征值进行分析，得到了随机结构控制控制特征值随机变量数字特征值的计算表达式。最后，用一个随机智能悬臂梁为算例说明参数随机性对结构振动控制闭环特征值的影响。
设计了一种基于历史交通数据的预测道路定点检测线圈占有率的自适应神经一模糊推理系统。利用该系统建立时段、流量、速度、车头时距与占有率之间的智能化输入输出关系。基于实测数据对系统进行训练和检测，从而确定系统的参数和模糊推理规则。训练数据和检测数据的预测表明误差可以控制。这种基于数据的智能化方法克服了传统方法对模型的依赖及经验判断的主观随意性，预测效果较为理想。
Data reduct based on rough sets theory was an effective feature selection method，however，classic rough sets theory’cannot deal with hybrid data and Can’t applied to online systems to0.So the rough set