“svm”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果6287个，建议您升级VIP下载更多相关专利

[发明专利]基于粒子群‑支持向量机的GIS局部放电类型模式识别方法-CN201711086187.1在审
发明人：张晓星;唐炬;王辉;周思远;郑建;袁海燕;孙承海;孙艳迪 -专利权人：武汉大学;国网山东省电力公司
申请日： 2017-11-07 - 公布日： 2018-04-20 - 主分类号： G06K9/00 文献下载
摘要：支持向量机的GIS局部放电类型模式识别方法，包括以下步骤基于若干周期K种不同类型局部放电的PRPD图谱作为K个样本数据，提取各类型局部放电的特征参数；采用一对一算法在任意两个样本数据之间构造高斯核函数SVM分类器，共计个SVM分类器；以SVM分类器在优化过程中的均方误差作为PSO算法中的适应度函数，用PSO算法寻找最佳参数；采用提取的各类型局部放电特征参数训练SVM分类器，得到SVM分类器模型；利用SVM
基于粒子支持向量 gis 局部放电类型模式识别方法

[发明专利]一种基于势函数聚类的优化下采样SVM分类方法及存储介质-CN201910344865.2在审
发明人：闻辉;黄金火;严涛;陈德礼;林元模;李同彬;车艳;徐航 -专利权人：莆田学院
申请日： 2019-04-26 - 公布日： 2019-07-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于势函数聚类的优化下采样SVM分类方法及存储介质，所述方法包括以下步骤：通过势函数密度聚类从原始训练样本集中筛选出新的样本集合；根据新的样本集合训练得到SVM分类曲面。通过势函数密度聚类从原始训练样本集中筛选出新的样本集合，对原始训练样本控制的不同子区域进行覆盖，已抽选出具有代表性的样本集合来构造SVM的下采样训练集，可以有效逼近原始样本控制结构分布，因此确保了所得SVM克服了随机采样SVM方法中样本采样不足导致的样本空间结构失真问题，可以以相对少数量的训练样本来逼近原始样本空间结构分布；克服了聚类SVM方法中的聚类个数需要手动调整和聚类子空间覆盖范围尺度不一致的问题。
聚类样本集合势函数原始训练样本下采样空间结构存储介质密度聚类原始样本逼近样本筛选范围尺度分类性能控制结构失真问题手动调整随机采样不一致训练集子空间子区域采样抽选覆盖优化决策

[发明专利]基于VGGNet-SVM的电力系统暂态稳定评估方法-CN201911383386.8在审
发明人：邓雨捷;蒋海峰;王宝华 -专利权人：南京理工大学
申请日： 2019-12-27 - 公布日： 2021-06-29 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种基于VGGNet‑SVM的电力系统暂态稳定评估方法。该方法为：获取基于建模仿真所得的暂稳数据和电力系统实际暂稳数据，将数据进行标准化处理和卡方检验；用VGGNet和SVM共同构建基于简化VGGNet‑SVM的电力系统暂态稳定评估模型，对基于简化VGGNet‑SVM的电力系统暂态稳定评估模型进行离线训练，得到基于简化VGGNet‑SVM的电力系统暂态稳定评估离线模型；通过电力系统在线监测获得在线数据，将在线数据进行标准化处理和卡方检验；将处理过的在线数据输入训练好的基于简化VGGNet‑SVM的电力系统暂态稳定评估离线模型，进行电力系统暂态稳定评估。
基于 vggnet svm 电力系统稳定评估方法

[发明专利]一种基于混合智能优化策略的MKL-SVM算法的肺结节识别方法-CN202110472334.9在审
发明人：李阳;常佳乐 -专利权人：长春工业大学
申请日： 2021-04-29 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于混合智能优化策略的MKL‑SVM算法的肺结节识别方法。采集肺部图像数据集并进行预处理，经识别前准备得到所述样本数据集，分为用于参数寻优的训练集及用于测试模型的测试集；通过基于模拟退火与粒子群混合智能优化的MKL‑SVM算法对所述样本训练集进行参数寻优，获取最优参数组并建立MKL‑SVM的模型；将所述最优参数组应用于所述MKL‑SVM的数学模型进行识别计算，得出肺结节的识别结果。本发明将SA算法与PSO算法相结合，使得粒子可以跳出局部最优解，从而寻求全局最优解，并将所述的混合智能优化策略应用于MKL‑SVM的参数寻优，可以快速、准确地寻找到MKL‑SVM算法的最优参数组，并将其应用于肺结节识别
一种基于混合智能优化策略 mkl svm 算法结节识别方法

[发明专利]基于花朵授粉算法优化SVM的微铣刀磨损状态监测方法-CN202011547958.4在审
发明人：张屹;彭明松;王二化 -专利权人：常州大学
申请日： 2020-12-24 - 公布日： 2021-04-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了基于花朵授粉算法优化SVM的微铣刀磨损状态监测方法，通过安装在立式铣床主轴上的振动传感器，采集立铣切削过程中的加速度信号，首先，提取微铣削过程中加速度信号若干个时域特征，通过皮尔逊相关系数法计算出和磨损状态相关程度最高的两个时域特征信号值，再将其为SVM分类器的输入；然后对带有标签的两个时域特征信号值进行测试和训练，将训练样本输入到基于花朵授粉优化算法的SVM模型，优化SVM的核函数参数g和惩罚因子C，对测试样本计算得出该模型的识别度。本发明提出的花朵授粉算法优化SVM算法，识别率更高，能够掌握刀具的实时磨损状态，避免由于初始参数选择的不合适而带来的局部最优和过拟合的问题，有效提高了SVM的分类性能。
基于花朵授粉算法优化 svm 铣刀磨损状态监测方法

[发明专利]一种基于LeNet5-SVM的分组加密识别方法-CN202111430633.2在审
发明人：彭波;王卫锋;程才;胡继强;刘睿;姜慧;宋燕舞;杨洁;文品;朱思旻;潘斯武;张婷 -专利权人：中信数智（武汉）科技有限公司
申请日： 2021-11-29 - 公布日： 2022-03-08 - 主分类号： H04L9/06 文献下载
摘要：本发明公开了一种基于LeNet5‑SVM的分组加密识别方法，构建密文数据集、LeNet5神经网络、以及SVM分类器；根据密文文件获得密文映射矩阵；对密文映射矩阵进行卷积和池化获得密文特征；正则化密文映射矩阵；将密文映射矩阵输入到LeNet5神经网络进行训练并输出密文特征向量和对应的权重到SVM分类器，对SVM分类器进行训练；将用户提交的密文文件依次经过训练好的LeNet5神经网络和SVM分类器处理，获得对应的分类结果本发明相较于传统的分组密文识别模型，本发明创新性地将LeNet5神经网络和SVM分类器结合。使用卷积神经网络在细粒度层次提取密文特征。较传统的随机性检测和密文熵特征分类准确率得到提升。
一种基于 lenet5 svm 分组加密识别方法

[发明专利]一种基于图像处理与SVM的车位占用识别方法-CN202210575631.0在审
发明人：李杰 -专利权人：安徽理工大学
申请日： 2022-05-24 - 公布日： 2022-10-14 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于图像处理与SVM的车位占用识别方法，其特征在于，所述方法包括：S1、基于图像处理对待识别停车场图像中的所有车位进行定位，获得停车场视频数据，系统读取视频中对应的车位图像信息，寻找每个车位的位置，制成车位位置信息表并保存；S2、基于有监督学习的SVM训练，获得所有车位的位置信息后，单独保存所有车位图像集，并且将每个车位图像打上标签，制成训练数据集。获得训练数据集后利用数据集对SVM分类器进行训练；S3、基于SVM算法对待识别车位图像进行车位识别，获得图像中的每一个车位的位置信息，将每一个车位图像展成一维特征向量输入进SVM进行分类。根据SVM的分类结果，更新保存未占用车位位置信息并统计数量。
一种基于图像处理 svm 车位占用识别方法

[发明专利]一种融合InSAR和CNN-AFSA-SVM的开采沉陷盆地自动检测方法-CN202210115680.6在审
发明人：王磊;李世保;张鲜妮 -专利权人：安徽理工大学
申请日： 2022-02-07 - 公布日： 2022-06-24 - 主分类号： G01S13/90 文献下载
摘要：本发明涉及一种融合InSAR和CNN‑AFSA‑SVM的开采沉陷盆地自动检测方法，包括以下步骤：获取Sentinel‑1A雷达卫星影像，通过差分雷达干涉测量方法处理所述Sentinel‑1A雷达卫星影像得到InSAR干涉图，在所述InSAR干涉图中选取沉陷盆地作为样本数据集；建立CNN‑AFSA‑SVM模型，使用所述样本数据集对所述CNN‑AFSA‑SVM模型进行训练和分类测试，得到训练后的CNN‑AFSA‑SVM模型；将待测区域的Sentinel‑1A雷达卫星影像通过差分雷达干涉测量方法处理得到目标InSAR干涉图，将所述目标InSAR干涉图输入所述训练后的CNN‑AFSA‑SVM模型并采用非极大值抑制法去除重复搜索框本发明通过构建CNN‑AFSA‑SVM模型有效地在大幅宽InSAR干涉图中自动检测出开采沉陷盆地，提高了开采沉陷盆地检测的精度和自动化程度。
一种融合 insar cnn afsa svm 开采沉陷盆地自动检测方法

[发明专利]一种改进爬行动物搜索算法优化SVM的方法及其应用-CN202310567222.0在审
发明人：刘杰;程寒;刘庆宽;王海龙;卜建清 -专利权人：石家庄铁道大学
申请日： 2023-05-19 - 公布日： 2023-08-08 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种改进爬行动物搜索算法优化SVM的方法及其应用，包括以下步骤：S1、改进爬行动物搜索算法，S11、Bernoullishift混沌映射改进种群初始化公式；S12、引入时变非线性自适应权重改进迭代更新公式；S13、增加柯西和高斯两种策略进行自适应变异；S14、得到改进后的爬行动物搜索算法流程并进行仿真实验；S2、建立基于IRSA‑SVM的斜拉桥损伤识别模型，S21、RSA优化SVM的适应度函数设计；S22、IRSA优化SVM的损伤识别建模。本发明采用上述的一种改进爬行动物搜索算法优化SVM的方法及其应用，解决了已有智能算法在优化支持向量机时搜索机制单一，以及全面考虑了对SVM性能有重要影响的学习参数的问题。
一种改进爬行动物搜索算法优化 svm 方法及其应用

[发明专利]基于GOA-SVM协同算法与无人机的混凝土裂缝识别方法及装置-CN202310354991.2在审
发明人：胡小川;翟少彬;李明;姚再峰;吕梦圆;丁学正;廖满平 -专利权人：中建二局土木工程集团有限公司;中国建筑第二工程局有限公司;中建二局第二建筑工程有限公司
申请日： 2023-04-04 - 公布日： 2023-07-14 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种基于GOA‑SVM协同算法与无人机的混凝土裂缝识别方法，包括如下步骤：S1、收集混凝土裂缝图像，建立原始裂缝图像集；S2、对混凝裂缝图像进行预处理；S3、计算预处理后图像的熵、对比度及能量，提取灰度值，建立训练样本库，并对训练样本库输入数据进行标准化处理；S4、将标准化处理后的训练样本输入GOA‑SVM算法中，学习、训练混凝土裂缝识别模型，并使其具有裂缝长度、宽度计算功能，得到最优GOA‑SVM混凝土裂缝识别模型；S5、将GOA‑SVM混凝土裂缝识别模型嵌入到无人机上；S6、利用无人机对现场混凝土结构进行拍摄，将无人机拍摄的图像输入到GOA‑SVM混凝土裂缝识别模型中，通过GOA‑SVM混凝土裂缝识别模型完成混凝土裂缝的识别
基于 goa svm 协同算法无人机混凝土裂缝识别方法装置

[发明专利]一种基于HPO-SVM的电力变压器典型故障声纹诊断方法-CN202310227896.6在审
发明人：张雄;董帆;李嘉禄;武文博;万书亭 -专利权人：华北电力大学（保定）
申请日： 2023-03-10 - 公布日： 2023-06-06 - 主分类号： G01R31/00 文献下载
摘要：本发明公开了一种基于HPO‑SVM的电力变压器典型故障声纹诊断方法，包括以下步骤：S1，采集声纹数据输入分析计算机中；S2，对采集到的声纹信号进行CEEMDAN分解，然后进行包络谱峭度计算并筛选；S3，利用HPO算法对SVM中核函数的惩罚因子C与核函数参数g进行参数寻优，将最优位置的C与g值赋给SVM；S4，输入故障数据训练集到SVM中构建故障模型；S5，输入故障测试集检验HPO‑SVM算法对电力变压器声纹信号的诊断与分类能力本发明采用上述一种基于HPO‑SVM的电力变压器典型故障声纹诊断方法，能够解决在处理存在故障特征重合的电力变压器声纹信号中存在分类结果混叠、收敛速度慢与分类效果差的问题。
一种基于 hpo svm 电力变压器典型故障声纹诊断方法

[发明专利]一种识别webshell攻击的方法及装置-CN202310496416.6在审
发明人：田新远 -专利权人：北京华清信安科技有限公司
申请日： 2023-05-05 - 公布日： 2023-08-29 - 主分类号： H04L9/40 文献下载
摘要：使用哈希表来存储分割得到的islice_divs单元；使用词嵌入技术将哈希表内存储的每个islice_divs单元作为单词进行向量化处理，将单词映射到固定维度的向量空间中；以得到的数据作为样本数据库来训练SVM模型，将webshell攻击数据作为目标分类数据；对SVM模型输出的目标分类数据进行静态检测，获取SVM模型识别webshell攻击数据的准确率；当SVM模型识别webshell攻击数据的准确率满足阈值条件时，使用SVM模型识别网络数据的webshell攻击。本发明采用机器学习和静态检测双识别的方式，优化了SVM的算法，提升了检测的准确率。
一种识别 webshell 攻击方法装置

[发明专利]一种基于SVM的有形成分分类方法-CN201510603254.7有效
发明人：任迪;唐松 -专利权人：迪瑞医疗科技股份有限公司
申请日： 2015-09-21 - 公布日： 2020-01-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于SVM的有形成分分类方法。所述方法包括：SVM训练阶段：A、获取包含有若干种有形成分的样本图片作为训练样本；B、将所述样本图片分割为若干有形成分图像；C、提取所述有形成分图像的图像特征并依据所述图像特征，将所述有形成分图像进行分类，构建具有若干个级联有形成分图片库；D、构建若干个级联SVM分类器并使用相应的有形成分图片库进行训练，以及有形成分识别分类阶段：E、提取待识别分类的有形成分图像的图像特征；F、依据所述图像特征，将有形成分图像分派至相应的SVM分类器中进行识别分类。采用了多个级联的SVM分类器对有形成分图形进行多层次的分类，从而有效的提高了SVM分类器对于有形成分的分类准确性。
一种基于 svm 有形成分分类方法

[发明专利]一种时频联合的支持向量机半监督学习方法-CN201310141198.0有效
发明人：冷严;徐新艳 -专利权人：山东师范大学
申请日： 2013-04-22 - 公布日： 2017-02-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种时频联合的支持向量机半监督学习方法，具体步骤为步骤一训练初始SVM分类器；步骤二利用SVM分类器C1，SVM分类器C2寻找高置信度样本，组成高置信度样本集S；步骤三将高置信度样本集S中的样本由机器自动标注后放入SVM分类器C的已标注样本集L中；步骤四用更新的已标注样本集L重新训练SVM分类器C；步骤五根据停止准则判断是退出循环还是继续迭代。本发明联合时域和频域两个特征空间判断样本的置信度，其对样本置信度的判断比传统的基于单一特征空间的判断更加准确；由于对样本置信度的判断更加准确，本发明能减少由于错误标注而引起的分类器分类性能的下降；本发明在用于SVM
一种联合支持向量监督学习方法

[发明专利]一种融合SVM与BP神经网络的城市道路交通状态检测方法-CN201210204956.4有效
发明人：韩露莎;王辉;彭宏;孟利民;裘加林;张标标;沈益峰;杜克林 -专利权人：银江股份有限公司
申请日： 2012-06-19 - 公布日： 2012-10-17 - 主分类号： G08G1/01 文献下载
摘要：一种融合SVM与BP神经网络的城市道路交通状态检测方法，包括以下步骤：1)交通特征参数包括车辆平均速度ν(m/s)、车流量f(veh/s)、时间占有率s、行程时间t(s)；实时监测路段的交通特征参数，并提取交通特征参数，得到测试样本集；2)将测试样本集输入SVM1-SVM2/BP的两层级联分类器，包括以下处理过程：2.1)运用SVM1训练函数分别进行训练后和测试集样本数据一起被输入到SVM1分类函数中，判定是否属于畅通状态，如果是，则判定当前状态为畅通状态，如果否，则进入2.2)；2.2)对测试样本集进行第二层的SVM2与BP网络分类器的投票融合分类，判定属于繁忙状态和拥堵状态。
一种融合 svm bp 神经网络城市道路交通状态检测方法