[发明专利]一种基于SVM的散货船舶设备状态检测方法有效
| 申请号： | 201910925709.5 | 申请日： | 2019-09-27 |
| 公开（公告）号： | CN110705631B | 公开（公告）日： | 2022-12-09 |
| 发明（设计）人： | 刘东航;何晓;孟浩;段懿洋 | 申请（专利权）人： | 中国船舶工业系统工程研究院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京天达知识产权代理事务所有限公司 11386 | 代理人： | 李明里 |
| 地址： | 100096 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于SVM的散货船舶设备状态检测方法，该方法包括：S1，获取散货船舶设备状态总训练数据集，随机选取初始量的训练数据样本；S2，采用所述训练数据样本训练SVM模型得到粗糙的分离平面，找出并去除不是支持向量的训练数据样本，根据训练后SVM模型预测剩余训练数据样本量，依据边界数据决策函数值确定训练数据样本的去除或保留，以重建训练数据集；S3，从所述重建训练数据集增量选取船舶设备状态训练数据样本，转至步骤S2，逐步训练SVM模型筛选出支持向量直至最终重建训练数据样本；S4，对最终重建训练数据样本进行全局SVM训练得到分类超平面，并根据分类超平面得到船舶设备状态检测结果。本发明解决了SVM训练过程耗时长，占用内存大的问题。 | ||
| 搜索关键词： | 一种 基于 svm 散货 船舶 设备 状态 检测 方法 | ||
【主权项】：
1.一种基于SVM的散货船舶设备状态检测方法，其特征在于，包括以下步骤：/nS1，获取散货船舶设备状态总训练数据集，并随机选取初始量的训练数据样本；/nS2，采用所述训练数据样本训练SVM模型得到粗糙的分离平面，找出并去除不是支持向量的训练数据样本，再根据训练后SVM模型预测剩余训练数据样本量，依据边界数据决策函数值确定训练数据样本的去除或保留，以重建训练数据集；/nS3，从所述重建训练数据集中依次增量选取船舶设备状态训练数据样本，转至步骤S2，逐步训练SVM模型筛选出支持向量直至最终重建训练数据样本；/nS4，对最终重建训练数据样本进行全局SVM训练得到分类超平面，并根据分类超平面得到船舶设备状态检测结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国船舶工业系统工程研究院，未经中国船舶工业系统工程研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910925709.5/，转载请声明来源钻瓜专利网。
