邢焕革，卫一熳，彭义波

(海军工程大学 管理工程系，武汉 430033)

基于多尺度最小二乘支持向量机的舰船备件器材多类分类

邢焕革，卫一熳，彭义波

(海军工程大学 管理工程系，武汉 430033)

针对远海任务舰船备件器材的分类管理，通过运用支持向量机理论，充分发挥多尺度核在非线性分类中的优势，借助最小二乘原理，构建了多尺度最小二乘支持向量机学习模型。在实际运用中，通过选用高斯径向函数作为多尺度核函数，以训练样本数据分布的离散系数作为核函数宽度参数取值依据，采取ECOC方法建立了多类分类模型，实例计算表明，该方法对远海任务舰船备件器材的分类是有效、可行的。

多尺度;支持向量机;多类分类;舰船备件器材

0 引言

备件器材保障是海军舰船执行多样化任务的基础，对于执行一般性任务舰船而言，其所携带的备件器材都是遵循严格的配置标准。但是，对于执行远海任务舰船而言，由于航行时间长，舰船设备又长期处在高温、高湿、高盐、多尘等复杂恶劣环境中高强度、超负荷运行，设备故障率较平时明显升高，如果其所携带的备件器材还是按照近海任务舰船标准的规定来执行，则可能影响舰船远海任务的完成，为此，需要加强对备件器材的配置。而如何对备件器材进行加强配置，目前还没有准确的方法可供使用，通常是采用经验法来规划下一批次远海任务舰船所需要加强配置的备件器材种类和数量。支持向量机(support vector machine，SVM)是Cortes等［1］1995年提出的一种机器学习算法，它的基础是Vapnik创建的统计学习理论［2］。……