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，SupportVectorMachine)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。

主权项

1.一种基于小波变换和支持向量机的涡结构识别方法，其特征在于包括下列步骤：(1)利用小波变换对描述涡结构的折射率进行小波分解，得到不同尺度上的小波系数矩阵。(2)对小波系数矩阵进行特征提取，小波系数矩阵的统计量作为涡结构的特征值。(3)根据所提取特征值，利用支持向量机的方法建立最佳分类判别函数，其建立准则采用利用风险最小化原则。(4)利用步骤(3)建立的最佳分类判别函数，重复步骤(1)、(2)对涡结构样本进行涡结构识别。(5)利用小波反变换进行大、小尺度涡重建。