“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]一种基于全局代表点选择的稀疏最小二乘支持向量机-CN202010289427.3在审
发明人：马跃峰;王茂励;梁循;李光顺 -专利权人：曲阜师范大学;马跃峰
申请日： 2020-04-14 - 公布日： 2020-07-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于全局代表点选择的稀疏最小二乘支持向量机，其方法包括以下步骤：A、利用点密度和点分散度建立全局选择点指标‑全局代表性；B、利用全局选择点指标构建稀疏LS‑SVM的保留支持向量集，并将全局选择点指标分为两部分本发明先利用点密度和点分散度建立全局选择点指标‑全局代表性，再利用全局选择点指标构建稀疏LS‑SVM的保留支持向量集，再将训练样本用于支持向量回归机的训练，最后利用训练样本集，对优化参数的LS‑SVM进行训练，得到最优化的LS‑SVM数学模型，采用这种非迭代的修剪方法获得保留支持向量集，有效降低了数据计算的复杂度和内存复杂度，适用于大规模数据处理，并有利于数据的分类与回归。
一种基于全局代表选择稀疏最小支持向量

[发明专利]基于磁悬浮列车数据的SVM轨道信息及运行状态识别方法-CN202010210908.0在审
发明人：王怀採;李修庆;李庆红;杨帆 -专利权人：湖南盛鼎科技发展有限责任公司
申请日： 2020-03-24 - 公布日： 2020-07-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于磁悬浮列车数据的SVM轨道信息及运行状态识别方法，所述方法包括：根据磁悬浮列车运行数据和轨道信息建立数据集；对数据集进行数据预处理；通过预处理后的数据集训练SVM，获取磁悬浮列车运行数据和轨道信息之间对应关系的算法模型本发明的基于磁悬浮列车数据的SVM轨道信息及运行状态识别方法，通过对磁悬浮列车运行的间隙与加速度数据的采集、训练和分类，表明应用数据挖掘SVM算法来处理磁悬浮列车运行数据的可行性，并具备良好的效果。
基于磁悬浮列车数据 svm 轨道信息运行状态识别方法

[发明专利]基于SDAE和改进GWO-SVM的轴承缺陷识别方法-CN201911381284.2在审
发明人：张茂慧;杨奕飞;何祖军;苏贞;齐亮;袁伟;徐江敏;李建祯 -专利权人：江苏科技大学;江苏科技大学海洋装备研究院
申请日： 2019-12-27 - 公布日： 2020-07-31 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于SDAE和改进GWO‑SVM的轴承缺陷识别方法，包括以下步骤：1.收集轴承在正常情况下和故障情况下的振动信号，并进行数据预处理；2.构建一个四层初始堆叠去噪自编码SDAE，并训练初始堆叠去噪自编码网络SDAE；3.建立改进GWO‑SVM分类器模型，提取SDAE最深层特征，训练改进GWO‑SVM分类器；4.SDAE微调并重新训练改进GWO‑SVM分类器，直到满足分类准确率。
基于 sdae 改进 gwo svm 轴承缺陷识别方法

[发明专利]基于HOG特征提取和SVM多分类器的软件测试结果的分析方法-CN201911320583.5在审
发明人：程永新;郭伟;吴园希 -专利权人：上海轻维软件有限公司
申请日： 2019-12-19 - 公布日： 2020-04-28 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于HOG特征提取和SVM多分类器的软件测试结果的分析方法，包括如下步骤：S1：采集训练图片，并对训练图片进行标注；S2：对训练图片进行HOG特征提取；S3：将训练图片的标注与图片的HOG特征对SVM分类模型进行训练得到SVM多分类器；S4：获取需要分析的用例执行结果的图片进行HOG特征提取；S5：将提取的HOG特征输入SVM多分类器，分析出图片所属的类型；S6：将目标图片所属的类型作为该用例的执行结果的分析结论
基于 hog 特征提取 svm 分类软件测试结果分析方法

[发明专利]一种基于数据挖掘技术的电网电压越限成因诊断方法-CN201910796367.1在审
发明人：段翔兮;高剑;李熠;冯世林;滕予非;邹琬;何锐;张华;刘明忠;罗荣森;李世龙;孙永超;龙呈;胡蓉 -专利权人：国网四川省电力公司电力科学研究院
申请日： 2019-08-27 - 公布日： 2020-01-31 - 主分类号： G06K9/62 文献下载
摘要：A)提取越限电压，采集越限电压的相关特征；B)删除不良数据，进行数据预处理，得到样本数据；C)构建K‑means改进聚类模型，获取电压越限成因聚类结果；D)对电压越限成因聚类结果进行分类标识；E)构建SVM多分类器模型，优化模型参数；F)输入待诊断数据样本到SVM多分类模型，将SVM多分类模型的输出作为待诊断数据样本的电压越限成因。本发明效率高，减少了人为主观因素的影响，快速有效地处理电网低压海量数据，改进了K‑means聚类模型，得到好的聚类效果，同时，对SVM模型进行参数优化，增加了电网电压越限成因诊断的准确性。
多分类模型成因诊断电网电压聚类结果聚类模型诊断数据限电压构建样本数据挖掘技术电气自动化数据预处理不良数据参数优化电网低压多分类器分类标识海量数据样本数据优化模型主观因素有效地聚类删除改进采集输出

[发明专利]基于VMD-SVD与SSA-SVM的电梯导靴故障诊断方法-CN202110066453.4在审
发明人：李琨;张久亭 -专利权人：昆明理工大学
申请日： 2021-01-19 - 公布日： 2021-06-04 - 主分类号： G01H17/00 文献下载
摘要：本发明涉及一种基于VMD‑SVD和SSA‑SVM的电梯导靴故障诊断方法，其步骤包括：采集包括电梯导靴在正常导靴、上导靴磨损、下导靴磨损三种状态下的振动信号，采用中心频率法对VMD的模态个数进行确定，用VMD方法对三种状态的振动信号进行模态分解，得到K个模态分量，用所获得的模态分量构建特征矩阵，并用对特征矩阵进行奇异值分解(SVD)，得到能够表征矩阵特性的奇异值序列，将奇异值序列作为SSA‑SVM的输入进行分类预测，最后用本发明的方法和传统的SVM结合EMD的方法进行预测准确度的比较。本发明的电梯导靴诊断方法可以有效的对导靴振动信号进行特征提取且故障特征明显，比EMD结合传统SVM的故障诊断率提高了10％。
基于 vmd svd ssa svm 电梯故障诊断方法

[发明专利]一种风储联合电站响应电网频率的分析方法-CN201910796063.5在审
发明人：张长祥;唐飞 -专利权人：佳源科技有限公司
申请日： 2019-08-27 - 公布日： 2019-12-17 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了风储联合电站技术领域的一种风储联合电站响应电网频率的分析方法，分析SVM回归算法的基本原理；基于SVM回归算法原理，提出基于实时电价的频率响应辅助服务电价机制；基于SVM回归算法原理，提出针对频率响应辅助服务电价的风储联合电站响应电网频率特性分析方法本发明所述风储联合电站响应电网频率的分析方法通过建立基于SVM回归算法的风储联合电站响应电网频率的模型，分析辅助服务电价与实时电价的倍数对系统频率的影响，全面的把握风储联合电站响应电网频率的特性，不仅有利于电站响应电网频率项目的设计评估和改进
电网频率电站响应辅助服务联合回归频率响应实时电价算法原理电价算法分析电力系统电站技术巨大效益频率调整设计评估特性分析系统频率挖掘改进

[发明专利]一种基于随机图像特征的人脸防伪检测方法-CN201911054057.9在审
发明人：赵小超;熊曾刚;徐方;叶从欢;张学敏;单志广 -专利权人：湖北工程学院
申请日： 2019-10-31 - 公布日： 2020-03-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于随机图像特征的人脸防伪检测方法，包括以下步骤：建立训练图像库；得到多个第一图像块和第二图像块；得到第一图像块和第二图像块的彩色局部随机特征；得到每幅图像的全局特征；以所述训练图像库内每幅所述图像的全局特征为训练数据，建立SVM模型；建立验证图像库，并得到验证图像库内每幅图像的全局特征，并输入到SVM模型中，确定SVM模型的阈值；获取待测定图像的全局特征，并将全局特征输入到所述SVM模型中，得到对应的概率值，若所述概率值大于阈值
一种基于随机图像特征防伪检测方法

[发明专利]基于粒子群优化支持向量机的电机故障模式诊断方法-CN201911079679.7在审
发明人：李志军;卢应强;曾毅;张建学;陈果;袁雪;曹玲燕 -专利权人：国电南京自动化股份有限公司;江苏国电南自海吉科技有限公司;安徽华电六安电厂有限公司
申请日： 2019-11-07 - 公布日： 2020-04-07 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及基于粒子群优化支持向量机的电机故障模式诊断方法，其特征在于：使用基于小波分析和建立粒子群优化(PSO)最小二乘支持向量机(LS‑SVM)的方法来诊断电机故障类型，该方法以小波分析的提取信号为输入，使用LS‑SVM建立非线性系统模型并输出故障类型,通过输出反馈和偏差校正减少预测误差,由PSO滚动优化获得非线性系统的控制量，在非线性系统数学模型未知的情况下设计出有效地准确判断出故障模式。经过测试，将PSO‑LS‑SVM算法和小波分析用于电机的故障诊断，结果明显优于SVM算法和之前的神经网络在电机的故障诊断的应用，不仅更快地收敛于最优解，而且很大程度地提高了电机故障诊断的精度。
基于粒子优化支持向量电机故障模式诊断方法

[发明专利]一种应用于云平台的消防点位自动布图的方法-CN201911350105.9在审
发明人：胡捷;付苗;董雷;赵鹏;陈双双;王哲 -专利权人：武汉理工光科股份有限公司
申请日： 2019-12-24 - 公布日： 2020-05-19 - 主分类号： G06F30/12 文献下载
摘要：每种类别的消防点位训练模型检测出待识别的图像上的同类别消防点位位置坐标和类别信息，通过多种类别的消防点位训练模型，可以检测出带识别图像上所有消防点位位置坐标和类别信息，并且多种类别的消防点位训练模型检测的速度快、效率高和准确率高；通过在传统SVM分类模型构建的基础上增设了难例处理的步骤，将未检测出的目标图像和检测错误的非目标图像重新截取出来，扩充到正负样本集中，重新训练SVM分类模型，增加了SVM分类模型的参数，使得SVM分类模型检测结果误差更小
一种应用于平台消防自动方法

[发明专利]基于特征融合的主轴颈缺陷检测方法-CN202110646995.9在审
发明人：朱振坤;孙渊 -专利权人：上海电机学院
申请日： 2021-06-10 - 公布日： 2021-08-24 - 主分类号： G06T7/00 文献下载
摘要：；S3：将采集到的主轴颈预处理图像转换为灰度图；S4：对灰度图进行图像增强；S5：对增强图提取图像特征；S6：将图像特征进行归一化；S7：融合图像特征的特征向量；S8：Relief特征选择；S9：搭建SVM模型，训练SVM模型并利用鲸鱼优化算法优化SVM模型的参数；S10：利用训练好的SVM模型进行缺陷的检测和分类。
基于特征融合主轴缺陷检测方法

[发明专利]一种基于SVM算法的醉酒驾驶车辆识别方法-CN202011570788.1在审
发明人：蔡锦康;赵蕊;邓伟文;丁娟 -专利权人：浙江天行健智能科技有限公司
申请日： 2020-12-26 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于SVM算法的醉酒驾驶车辆识别方法，其包括以下步骤：进行模拟驾驶试验，由多位驾驶员分别在醉酒状态和正常状态下驾驶主车进行至少两次试验，采集的试验数据包括车辆横摆角、横摆角速度、横摆角加速度；处理试验数据；训练基于SVM算法的醉酒驾驶车辆识别模型，训练过程中，将最大横摆角绝对值、最大横摆角速度绝对值、最大横摆角加速度绝对值作为自变量，将数据点中的状态标记作为因变量；根据所获得的基于SVM算法的醉酒驾驶车辆识别模型对车辆是否处于醉酒驾驶状态进行识别本发明通过模拟驾驶试验采集数据，建立基于SVM算法的醉酒驾驶车辆识别模型，具有数据采集便捷，成本低廉，预测准确度高的优点。
一种基于 svm 算法醉酒驾驶车辆识别方法

[发明专利]基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法-CN202011206438.7在审
发明人：蔡锦康;赵蕊;邓伟文;丁娟 -专利权人：浙江天行健智能科技有限公司
申请日： 2020-11-03 - 公布日： 2021-02-05 - 主分类号： G06K9/00 文献下载
摘要：驾驶员使用模拟驾驶器进行虚拟驾驶试验并全程录像，面部识别设备检测驾驶员面部特征，获得包含驾驶员面部特征的试验数据库；录像回放，记录驾驶人员认为自己开始处于疲惫状态的时刻；对试验数据库进行预处理；预处理后的试验数据库进行SVM分类模型训练；测试基于SVM的疲劳驾驶识别模型。本发明使用以模拟驾驶数据为基础，使用SVM算法建立驾驶员面部特征与疲劳驾驶状态之间的关系，可得到高可信度的基于SVM的疲劳驾驶识别模型，该模型可通过驾驶员面部特征判断驾驶员是否处于疲劳驾驶状态并及时提醒
基于模拟驾驶面部识别技术疲劳建模方法

[发明专利]基于阴影划分的集成SVM个人信用评估方法-CN202010903303.X在审
发明人：张清华;陈于思;艾志华;高满;赵凡;张沫 -专利权人：重庆邮电大学
申请日： 2020-09-01 - 公布日： 2021-02-23 - 主分类号： G06Q40/02 文献下载
摘要：本发明涉及信用监测技术领域，具体涉及一种基于阴影划分的集成SVM个人信用评估方法，包括：对训练数据进行预处理，进行特征选择，识别边界样本并对样本空间进行阴影划分，对训练数据进行采样，形成多组训练集以训练集成SVM模型，将待预测样本输入到训练好的集成SVM预测模型中，训练好的集成SVM预测模型通过m个基分类器投票的方式对待预测样本进行分类，每个基分类器投1票，所有基分类器投票完毕后，将待预测样本分到投票数最多的类中
基于阴影划分集成 svm 个人信用评估方法

[发明专利]一种基于信道状态信息的陌生人动作识别方法-CN202011347335.2在审
发明人：吕继光;杨武;苘大鹏;王巍;玄世昌;丁宁宁 -专利权人：哈尔滨工程大学
申请日： 2020-11-26 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于信道状态信息的陌生人动作识别方法，S1：获取信道状态信息；S2：对S1获得的信道状态信息进行预处理；S3：将预处理后的数据输入卷积神经网络提取特征，得到特征向量；S4：将特征向量送入SVM中进行二次训练，得到CNN‑SVM结合模型；S5：在离线识别阶段，将采集到的待识别数据经过预处理，带入CNN模型中得到特征向量，再把得到的特征向量带入已训练好的模型中进行动作识别。本发使用SVM代替CNN中的softmax，CNN‑SVM结合的模型训练时长相对更短、预测速度也会相对更快、收敛速度快、识别准确率高。只需要少数用户的训练，即可实现对更多用户的动作识别。
一种基于信道状态信息陌生人动作识别方法