库存航空弹药事故危险源分类识别优化仿真
【摘要】 针对当前方法进行库存航空弹药事故危险源分类识别时，存在着危险源识别所需时间过长、能量消耗较大、识别准确率较低等问题。提出基于支持向量机的危险源分类识别优化方法。利用经验模式分解法将库存航空弹药事故危险信号划分为不同特征尺度下的模式分量，利用Hillbea-Huang变换对信号进行相应的时频分析，并在分量函数和瞬时频率中提取库存航空弹药事故危险源特征向量，利用支持向量机方法获取库存航空弹药事故危险源最优分类平面，对其进行分类处理，采用决策树算法对分类结果进行识别优化。实验结果表明，所提方法识别所需时间较短、能量消耗较小、识别率较高。
