[发明专利]一种基于支持向量回归的热消融模型数据处理方法

权利要求书

1.一种基于支持向量回归的热消融模型数据处理方法，其特征在于，所述基于支持向量回归的热消融模型数据处理方法包括数据集训练获取模块(1)、图像数据差值处理模块(2)、样本选取模块(3)、分类模型生产模块(4)以及数据识别模块(5)；

其中，所述数据集训练获取模块(1)用于获取数据样本训练集，数据样本训练集中包含有多个类别的数据样本集合，每个类别的数据样本集合中包含多个数据样本；所述图像数据差值处理模块(2)用于对数据训练集中的图像数据进行插值计算处理；所述样本选取模块(3)用于选取同类样本和异类样本；所述分类模型生产模块(4)用于对于差样本对集合采用支持向量机训练得到相似性判断模型，并根据相似性判断模型得到分类模型；所述数据识别模块(5)包括待识别数据样本获取单元，用于获取待识别数据样本。

2.根据权利要求1所述的基于支持向量回归的热消融模型数据处理方法，其特征在于，所述图像数据差值处理模块(2)对图像进行n次小波变换并保留小波变换后低频部分的子图像，子图像的宽度与高度均为原图像的子图像面积为原图像面积的在子图像内进行匹配，采用归一化互相关度量方法，在子图像上遍历搜索，搜索过程中保留几个相似度较高的匹配点，搜索结束后，将相似度较高的匹配点映射到原始待匹配图像的搜索子区域中，所述归一化互相关度量方法的公式如下：

其中，S(x,y)表示原始待匹配图像中坐标位置为(x,y)处像素点的灰度值，T(u,v)表示模板图像中坐标位置为(u,v)处像素点的灰度值，模板图像大小为m×n，m、n为正整数。

3.根据权利要求1所述的基于支持向量回归的热消融模型数据处理方法，其特征在于，所述样本选取模块(3)用于选取同类样本和异类样本的步骤：对于数据样本训练集中的每一个数据样本，随机选取k个与该数据样本属于同一个类别的数据样本作为同类样本，随机选取k个与该数据样本属于不同类别的数据样本作为异类样本，所述样本选取模块依据恶意节点的恶意攻击模式计算全局的虚警概率；

第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户Cri，i＝1…k，设计一个权重然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量

第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率P_a、攻击强度Δ之间的函数表达式如下：

4.根据权利要求1所述的基于支持向量回归的热消融模型数据处理方法，其特征在于，所述数据识别模块(5)包括待识别数据样本获取单元、待识别差样本对集合生成单元、相似性概率计算单元以及类别确定单元；

其中，待识别数据样本获取单元用于获取待识别数据样本，待识别差样本对集合生成单元用于分别从数据训练集每一类别的样本集合中随机选取k个数据样本，生成2k个待识别差样本对，得到待识别差样本对集合，相似性概率计算单元用于利用分类模型对待识别差样本对集合进行分析，得到待识别数据样本与数据训练集中每一类的相似性概率，类别确定单元用于根据所述相似性概率，确定所述待识别数据样本归属的类别。