[发明专利]入侵信号识别的多核SVM训练、报警方法、装置及系统

权利要求书

1.一种入侵信号识别的多核SVM训练方法，其特征在于，包括：

获取入侵信号数据集，并进行归一化处理，所述入侵信号数据集表示为，其中，x和y分别表示随机输入和输出结果，l表示数据对应样本的数量，且在所述入侵信号数据集中，根据入侵信号的特征对噪声、波峰和/或频率进行标注；

选择多个基础核函数，根据多个所述基础核函数和所述入侵信号数据集，确定多个所述基础核函数相对应核矩阵之间的相似性，并根据所述相似性确定每个所述基础核函数的核权重；

根据所述核权重确定多核函数；

根据模糊粗糙集方法确定样本隶属度，并根据所述样本隶属度和所述多核函数进行多核SVM训练和优化，确定优化后的所述核权重以及最优解的拉格朗日乘子，完成所述多核SVM的训练。

2.根据权利要求1所述的入侵信号识别的多核SVM训练方法，其特征在于，所述根据选择的多个所述基础核函数和所述入侵信号数据集，确定多个所述基础核函数相对应核矩阵之间的相似性包括：

确定多个所述基础核函数相对应核矩阵之间的相似性，其中，T表示所述入侵信号数据，与分别表示基础核函数和映射后的核矩阵，，分别表示入侵信号数据集T中的样本。

3.根据权利要求2所述的入侵信号识别的多核SVM训练方法，其特征在于，所述根据所述相似性确定每个所述基础核函数的所述核权重包括：

确定多个所述基础核函数的组合核与理想核的最大化相似性；

根据所述相似性和所述最大化相似性进行优化，确定每个所述基础核函数的所述核权重。

4.根据权利要求1-3中任一项所述的入侵信号识别的多核SVM训练方法，其特征在于，所述根据模糊粗糙集方法确定样本隶属度包括：

使用基于高斯核的模糊粗糙集下的近似算子来确定入侵信号的所述样本隶属度：

，

其中，表示属于样本集的隶属度，，表示对应模糊粗糙集中的模糊值。

5.根据权利要求4所述的入侵信号识别的多核SVM训练方法，其特征在于，所述根据所述样本隶属度和所述多核函数进行多核SVM训练和优化，确定优化后的核权重以及最优解的拉格朗日乘子包括：

确定多核SVM的优化问题为：

其中，表示高维特征空间中分类超平面的方向，η表示核权重，表示松弛变量，，C表示惩罚系数，w表示决策函数的广义参数集合，b表示偏置量，y_i表示模糊粗糙集中的单个随机输出；

引入拉格朗日乘子，确定对应的拉格朗日函数为：

，

其中，表示将原空间映射到高维特征空间的非线性映射；

根据最大化多个所述基础核函数的组合核与理想核的相似性，通过拉格朗日乘子法，确定优化函数为：

其中，随着惩罚系数C的变化而变化；

求解所述优化函数，确定优化后的核权重以及最优解的拉格朗日乘子。