“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]含约束SVM异常化学单元素分类方法-CN201710992735.0有效
发明人：花卫华 -专利权人：中国地质大学（武汉）
申请日： 2017-10-23 - 公布日： 2020-06-26 - 主分类号： G16C20/70 文献下载
摘要：本发明提供了含约束SVM异常化学单元素分类方法，所述方法包括步骤：对待分类范围内的采样数据进行预处理得到训练数据集；对训练数据集加入约束条件得到含约束条件的训练数据集；对含约束条件的训练数据集进行归一化处理，归一化后的含约束条件的训练数据集用于训练SVM分类器；获取SVM分类器的最优核函数得到SVM最优分类器；使用SVM最优分类器对训练数据集进行线性分类；使用线性分类后的结果生成完整的地球化学单元素异常图
约束 svm 异常化学元素分类方法

[发明专利]基于HOG和SVM的行人检测系统的FPGA架构及其实现方法-CN201310053625.X有效
发明人：李沂滨;贾智平;谢帅;赵衍恒 -专利权人：山东大学
申请日： 2013-02-19 - 公布日： 2013-06-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于HOG和SVM的行人检测系统的FPGA实现方法，包括输入步骤，梯度和方向计算步骤，直方图生成步骤，二值化步骤，SVM分类步骤，输出步骤。本发明还提供了基于HOG和SVM的行人检测系统的FPGA实现方法采用的架构，包括输入单元，梯度和方向计算单元，直方图生成单元，二值化单元，SVM分类单元，输出单元五部分。本发明主要解决了基于HOG和SVM行人检测算法在PC上运算速度过慢和对硬件实现的移植优化问题，实现了一种实时的，低功耗的，高检测率和低资源消耗的嵌入式行人检测系统的FPGA实现方案，为行人检测在嵌入式领域的推广发展提供了一种解决方案
基于 hog svm 行人检测系统 fpga 架构及其实现方法

[发明专利]基于MRF和SVM-KNN分类的假指纹检测方法-CN201310046125.3有效
发明人：张永良;刘超凡;肖刚;方珊珊;卞英杰 -专利权人：浙江工业大学
申请日： 2013-02-05 - 公布日： 2013-05-22 - 主分类号： G06K9/00 文献下载
摘要：基于MRF和SVM-KNN分类的假指纹检测方法，包括以下步骤：1）提取指纹图像特征：1.1）一阶统计量(FOS)；1.2）灰度共生矩阵(GLCM)；1.3）马尔科夫随机场(MRF)；2）进行SVM训练，分别对FOS和GLCM，及MRF这两项特征向量训练得到模型A和B；3）SVM-KNN分类：3.1）SVM分类机理；3.2）SVM-KNN分类器形成；4）决策融合以检测真假指纹。
基于 mrf svm knn 分类指纹检测方法

[发明专利]基于汽车耐撞性的并行支持向量机近似模型优化方法-CN201210501096.0有效
发明人：王琥;蔡勇;李光耀;郑刚 -专利权人：湖南大学
申请日： 2012-11-30 - 公布日： 2013-03-27 - 主分类号： G06F17/50 文献下载
摘要：一种基于汽车耐撞性的并行支持向量机近似模型优化方法，其步骤为：（1）建立网络；（2）生成初始样本并自动转移到网格节点；（3）将初始样本分配到各个计算节点；（4）随机生成样本点；（5）建立基于SVM的近似模型；（6）获取SVM近似模型的误差标准，判断是否达到收敛水平；如果是，则采用所有生成的节点构建全局的SVM模型；（7）判断全局的SVM模型是否收敛；如果收敛，则进程结束，反正，则跳转步骤（8）；（8）找到最大误差区本发明采用对SVM进行并行化处理的模式、可大幅度提升建模的速度和优化的效率、提高精度。
基于汽车耐撞性并行支持向量近似模型优化方法

[发明专利]一种三相光伏并网空间矢量调制序列的选择方法-CN201110124759.7有效
发明人：何金伟;刘寅;方淼;马尚行 -专利权人：中国电子科技集团公司第三十六研究所
申请日： 2011-05-13 - 公布日： 2011-09-14 - 主分类号： H02J3/38 文献下载
摘要：一种三相光伏并网空间矢量调制序列的选择方法，包括：根据光伏并网实际使用的逆变器电路进行电路等效，建立等效电路；针对所述等效电路，在MathCAD中运用空间矢量调制原理，设定不同开关频率及死区时间，计算、比较不同SVM序列方式下，并网电流THD的变化情况及SVM序列损耗；最后根据所述计算、比较的结果，选择出在具体的逆变系统中，并网电流THD较小，效率较高的SVM方式。相对于传统逆变器的研制过程中为了确定用何种SVM序列而进行的各种繁琐的计算，本发明可快速选择出的并网电流THD较小，效率较高的SVM方式，加快了逆变器的研发进程，降低了光伏逆变器的研制成本。
一种三相并网空间矢量调制序列选择方法

[发明专利]基于留一样本交叉检核的LS-SVM算法的稀疏处理方法-CN201910013951.5有效
发明人：黄贤源;黄辰虎;范龙;高飞;陆秀平;吴太旗 -专利权人：中国人民解放军92859部队
申请日： 2019-01-08 - 公布日： 2021-04-09 - 主分类号： G01S15/42 文献下载
摘要：本发明涉及一种基于留一样本交叉检核的LS‑SVM算法的稀疏处理方法，首先获取原始深度样本，然后利用LS‑SVM获取最佳组合参数，再计算出原始拉格朗日乘子值和测试样本的权比重，将原始拉格朗日乘子值与权比重相乘后得到新拉格朗日乘子值本发明弥补了现有LS‑SVM算法构建海底趋势面过程中支持向量机解不具备稀疏性的缺陷，拓展了LS‑SVM算法在构建海底趋势面的应用范围，提出了具体的测深训练样本筛选方法，该方法可以快速有效的对特征训练样本进行修剪，在确保LS‑SVM算法稀疏性的基础上，合理构造海底趋势面函数。
基于样本交叉检核 ls svm 算法稀疏处理方法

[发明专利]一种基于改进灰狼算法优化的SVM心电信号识别方法-CN202011180394.5有效
发明人：刘继忠;李继发;徐文斌 -专利权人：南昌大学
申请日： 2020-10-29 - 公布日： 2021-10-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于改进灰狼算法优化的SVM心电信号识别方法，将改进的灰狼算法(DIGWO)用于支持向量机(Support Vector Machine,SVM)参数寻优，以此提高SVM对心电信号识别率。该方法将采集到的ECG信号通过多尺度样本熵和小波能量比特征提取融合成特征空间作为输入向量，在传统灰狼算法的基础上，引入动态双子群策略，从子群划分、收敛因子、比例权重三方面改进，然后将改进的灰狼算法用于寻求SVM的惩罚因子C和核函数参数g最优组合，训练构建DIGWO‑SVM分类模型。
一种基于改进灰狼算法优化 svm 电信号识别方法

[发明专利]一种基于DBN-SVM的主动配电网电能质量预测方法-CN201911023579.2有效
发明人：翁国庆;舒俊鹏;谢方锐;马泰屹 -专利权人：浙江工业大学
申请日： 2019-10-25 - 公布日： 2021-02-02 - 主分类号： H02J3/00 文献下载
摘要：一种基于DBN‑SVM的含DG主动配电网电能质量预测方法，包括：输入输出数据预处理；对DBN模型的各层RBM进行预训练；对DBN模型进行微调；基于DBN对影响电能质量的环境指标进行特征提取；基于顶层支持向量回归机进行电能质量稳态指标预测本发明的优点是：1、利用DBN‑SVM模型对含DG配电网电能质量进行了效果良好的预测，并能在传统SVM的基础上增加误差率落在低值区间的概率，提高预测精度；2、通过无监督的逐层训练和有监督的整体权值微调，得到完整的DBN底层结构，为顶层SVM提供特征矩阵；3、顶层SVM经网格法参数寻优后对电能质量实现有效预测。
一种基于 dbn svm 主动配电网电能质量预测方法

[发明专利]基于车载毫米波雷达联合SVM和CNN多目标分类方法-CN201910601880.0有效
发明人：武其松;高腾 -专利权人：东南大学
申请日： 2019-07-05 - 公布日： 2021-10-19 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于车载毫米波雷达联合SVM和CNN多目标分类方法，首先对雷达获取到的不同目标的IF信号进行采样，转换为帧信号，对帧信号进行二维傅里叶变换，归一化后得到距离‑多普勒图，提取距离‑多普勒图中的特征向量，构建样本集；其次构建并训练SVM分类器，得到能够进行初步分类的SVM分类器；最后构建并训练卷积神经网络分类器，对SVM分类器无法分类的样本进行进一步分类，得到待测目标的分类结果。该方法联合SVM分类器和CNN分类器，弥补了CNN分类器对位置信息的不敏感，充分利用了样本的有效信息，提高了目标分类准确率。
基于车载毫米波雷达联合 svm cnn 多目标分类方法

[发明专利]基于SVM-蚁群算法的牵引负荷参数辨识方法及系统-CN202110316247.4有效
发明人：刘书铭;李琼林;张博;代双寅;唐钰政;王毅;郑晨;朱明丽;应宜辰;吴命利 -专利权人：国网河南省电力公司电力科学研究院;北京交通大学
申请日： 2021-03-24 - 公布日： 2022-09-09 - 主分类号： G06N3/00 文献下载
摘要：基于SVM‑蚁群算法的牵引负荷参数辨识方法及系统。辨识方法包括如下步骤：1、采集相关历史数据；2、确定牵引负荷待辨识的参数范围并对其进行网格化划分；3、进行群蚁算法参数预辨识，得到所有预辨识的参数组以及其对应的误差值f；4、将所得的参数组作为SVM训练的输入值，进行SVM的训练，得到SVM模型；5、实时采集数据，使用训练完成的SVM模型进行参数辨识，并根据输出结果进行参数组重选或使用改进后的蚁群算法进行系数调整，得到最终的参数辨识结果。
基于 svm 算法牵引负荷参数辨识方法系统

[发明专利]基于信息熵增益SVM模型的指令集识别方法及装置-CN202110511038.5有效
发明人：宾冬梅;杨春燕;余通;凌颖;黎新;韩松明 -专利权人：广西电网有限责任公司电力科学研究院
申请日： 2021-05-11 - 公布日： 2022-06-21 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于信息熵增益SVM模型的指令集识别方法及装置，其中方法包括：采集完整的二进制文件并对其进行分类；对采集的二进制文件进行指令划分；计算不同指令的信息熵增益，根据信息熵增益对所有指令集进行降序排序，选取前N个信息熵增益最高的特征，得到数据集D；将数据集D输入到线性核函数的SVM模型中进行训练，得到经训练的SVM模型；使用经训练的SVM模型对ELF文件进行识别。本发明大量的ELF文件进行分类，训练SVM模型。并通过已经训练好的指令集识别模型来判断未知文件的指令集类别。即使ELF文件的头部信息缺失，也不会影响对二进制文件进行识别。
基于信息增益 svm 模型指令识别方法装置

[发明专利]一种基于差异进化支持向量机的坑外土体沉降预测方法-CN201310088919.6无效
发明人：刘文生;吴作启;崔铁军;由丽雯;杨逾;邵军;张媛;孙琦;杜东宁 -专利权人：辽宁工程技术大学
申请日： 2013-03-20 - 公布日： 2013-07-10 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于差异进化支持向量机的坑外土体沉降预测方法，包括收集现场坑外土体沉降量、确定数据的大致变化规律为正切曲线、使用差异进化算法(DE)对沉降数据进行正切拟合、DE的缩放因子F和交叉概率Cr合理选择方法、支持向量机(SVM后将得到的函数解析式作为SVM的决策函数，SVM再将决策函数进行核函数转换。最后通过SVM进行拟合预测，并对数据符合性进行检测。本发明通对现场土体沉降数据和沉降预测仿真，能使SVM的曲线拟合更加快速，预测更加准确。可广泛用于基坑施工的安全监测。
一种基于差异进化支持向量坑外土体沉降预测方法

[发明专利]基于SVM的智能设备佩戴模式的识别方法及系统、智能设备-CN201810491888.1在审
发明人：邵刘军 -专利权人：千寻位置网络有限公司
申请日： 2018-05-21 - 公布日： 2018-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明适用于智能感知技术领域，提供了一种基于SVM的智能设备佩戴模式的识别方法，包括：采集智能设备当前的状态数据；将所采集的状态数据输入SVM分类模型中进行学习，得到学习结果，所述SVM分类器是基于两组以上传感器样本数据训练而成本发明中，将智能设备当前的状态数据输入至SVM分类模型中进行学习，得到对应的分类结果，可一定程度上提高佩戴模式的识别准确性。
智能设备佩戴状态数据学习结果采集传感器样本分类结果数据训练智能感知两组学习

[发明专利]一种基于壳向量式SVM增量学习模型的流量实时分类方法-CN201910045138.6在审
发明人：曲桦;赵季红;蒋杰;张艳鹏 -专利权人：西安交通大学
申请日： 2019-01-17 - 公布日： 2019-06-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于壳向量式SVM增量学习模型的流量实时分类方法，该方法利用对称不确定性的FCBF算法删除高维训练集的冗余特征和不相关特征，然后线性叠加PCA算法进行降维处理得到新的训练集，再以此训练SVM模型，进而实现网络流量分类；实现增量学习过程中，对实时网络流量采用相同数据预处理，再将违反KKT条件的新样本数据和壳向量的并集作为新训练集重新训练SVM模型，从而实现SVM的增量学习。
增量学习训练集向量实时分类实时网络流量网络流量分类数据预处理不确定性降维处理冗余特征算法删除线性叠加新样本并集高维算法对称违反

[发明专利]一种基于FAM-SVM的配电网线损的计算方法-CN202010208030.7在审
发明人：赵庆明;唐学用;李庆生;陈巨龙;薛毅;邓朴;龙蔷;杨兴武;孙斌;张裕;张彦;罗宁;章珂;赵倩;徐睿 -专利权人：贵州电网有限责任公司
申请日： 2020-03-23 - 公布日： 2020-07-17 - 主分类号： G06F17/18 文献下载
摘要：本发明提供一种基于FAM‑SVM的配电网线损的计算方法，包括：建立SVM模型所需的训练样本数据库以及对应的测试样本数据库；采用因子分析法，对训练样本数据库和测试样本数据库进行预处理；计算SVM回归模型的参数；对训练出来的模型利用均方误差和拟合优度对模型进行评价，通过将因子分析法和SVM相结合，其计算精度有了明显的提高。
一种基于 fam svm 配电网线计算方法