一种基于小波变换和支持向量机的涡结构识别方法
摘要:
本发明涉及一种基于支持向量机(SVM,Support Vector Machine)的涡结构识别方法,在特征提取方面,提取折射率场数据经小波变换后系数矩阵的统计量作为涡结构特征量,与传统的直接利用小波变换后系数矩阵相比,剔出了大量的冗余信息,降低了计算量。在分类器设计方面,提出了基于支持向量机的分类方法,利用结构风险最小原则使分类面不仅能将涡结构正确分开,而且使分类间隔最大,比传统的经验风险最小原则分类方法从原理上降低了误识率。本发明能更加准确地表征和区分湍流涡结构,为导弹、飞机等机载光学设备的光学效应精确建模奠定了基础。
0/0