小样本条件下潜艇机械噪声源识别研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

小样本条件下潜艇机械噪声源识别研究

项目名称：小样本条件下潜艇机械噪声源识别研究
项目类别：面上项目
批准号：50775218
申请代码：E050301
项目来源：国家自然科学基金
研究期限：2008-01-01-2010-12-31

项目负责人：何琳
负责人职称：教授
依托单位：中国人民解放军海军工程大学
批准年度：2007

中文摘要：

隐身是潜艇的生命线，机械噪声超标则是破坏潜艇常用隐蔽工况安静性的主要因素。如何在样本数量有限的情况下，对以潜艇为代表的大型复杂系统内部机械噪声源进行辨识尚未得到有效解决。本项目首次基于信息论观点对该问题进行了系统研究，初步构建了一套完整的小样本条件下潜艇机械噪声源识别的技术理论体系，主要包括（1）样本信息扩容研究基于各种先验信息和知识的集成，研究建立了"虚拟样本"生成模型，实现了对小样本训练集的扩容；进而界定了"相对足够大样本"的概念，对信息扩容的合理性和有效性进行了探索；（2）样本信息挖掘研究在信息扩容基础上，研究提出了神经网络集成学习分类器模型和多传感器信息融合模型，实现了对扩容后样本信息的有效挖掘；（3）控制输入维数的研究针对潜艇这一类复杂系统的实际情况，研究了基于单类样本（正常样本）的特征参数选择方法，降低了分类器的输入维数，从而进一步减少对样本量的需求；（4）增量学习研究开展了异类样本检测、异类样本聚类和分类器模型的增量学习算法研究，以实现分类器对偶发陌生样本模式的记忆和识别。

中文主题词：噪声源识别；小样本；相对足够大样本；扩容；增量学习

结论摘要：

英文主题词noise sources identification; small sample; quasi-enough data set ; information expanding ; incremental learning

成果综合统计