基于类中心和密切度的L-2范数FSVM

支持向量机(SVM)是解决回归问题的一种有效的方法,但传统的支持向量机对样本中的噪声和孤立点非常敏感。为了克服这个问题,文中提出了一种基于类中心和密切度的L-2范数模糊支持向量机(L-2范数FSVM),即模糊隶属度的建立不仅根据样本到类中心的距离,而且根据样本点和其目标点之间的密切度。仿真实验结果显示了该方法有效地减少了噪声的影响,改进了回归的精度,增强了推广能力。

一种双重正则化支持向量机的改进算法

针对L1范数支持向量机和L2范数支持向量机在分析部分小样本、高维数、变量高相关的数据时效果不理想的问题,在综合利用这2种支持向量机优点的基础上,提出一种双重正则化支持向量机的改进算法。通过正号函数和二次多项式损失函数将问题转化为可微的无条件约束优化问题,便于采用多种优化算法进行运算。实验结果证明,该改进算法可取得较好的分类准确率。

3-UPS/PU型飞行模拟器驱动平台基于模拟性能的尺度综合方法

研究了一种三自由度飞行模拟器驱动平台的尺度综合方法。该驱动平台由动平台、静平台、3条UPS无约束主动支链和1条PU恰约束从动支链组成,并提出从动支链由气动支撑单元构成,通过压缩气体承载主要负载,以提高驱动平台的模拟性能。基于Rayleigh商和向量的性质,提出了基于向量2范数的模拟性能评价指标,通过单调性分析讨论了各尺度参数对驱动平台刚度、操作性能和模拟性能的影响规律,并通过该影响规律寻求评价函数的最优解。最后通过算例验证了该方法的有效性。

一种四自由度混联驱动平台基于模拟性能的尺度综合方法

提出了一种四自由度混联驱动平台并研究了其尺度综合方法,该平台由3-PUS/PU并联平台与静平台通过移动副串联而成,3-PUS/PU并联平台PU恰约束支链的移动副采用气动支撑单元,由压缩气体承载驱动平台的主要负载,以减小运动所需主动支链驱动力并提高驱动平台的模拟性能。基于Rayleigh商和向量的性质,提出了基于向量2范数的模拟性能评价指标,通过单调性分析研究了驱动平台模拟性能和各约束随各尺度参数的变化规律,并通过该变化规律寻求模拟性能最优尺度参数。最后通过算例验证了该尺度综合方法的有效性。