[发明专利]入侵信号识别的多核SVM训练、报警方法、装置及系统在审

专利信息
申请号: 202011490179.5 申请日: 2020-12-17
公开(公告)号: CN112232329A 公开(公告)日: 2021-01-15
发明(设计)人: 涂家勇;刘卫华;李源;郭远方 申请(专利权)人: 光谷技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G08B13/12
代理公司: 北京隆源天恒知识产权代理事务所(普通合伙) 11473 代理人: 陈雪飞
地址: 430040 湖北省武汉市东湖新技术开发*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 入侵 信号 识别 多核 svm 训练 报警 方法 装置 系统
【说明书】:

发明提供了一种入侵信号识别的多核SVM训练、报警方法、装置及系统,涉及智能安防技术领域,包括:获取入侵信号数据集,并进行归一化处理;选择多个基础核函数,根据多个基础核函数和入侵信号数据集,确定多个基础核函数相对应核矩阵之间的相似性,并根据相似性确定每个基础核函数的核权重;根据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,并根据样本隶属度和多核函数进行多核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,完成多核SVM的训练。本发明通过核对齐确定核权重构建多核函数,结合计算样本隶属度进行多核SVM训练和优化,使得分类间距达到最大,对不同种类入侵信号的识别更加准确。

技术领域

本发明涉及智能安防技术领域,具体而言,涉及一种入侵信号识别的多核SVM训练、报警方法、装置及系统。

背景技术

随着经济及科学技术的不断发展,要求高质量安保工作的场所也在不断增加。为了更好的保护国家以及个人财产安全,要尽可能地使安保系统覆盖全面、报警准确。近几年来,物联网、云处理等一系列高新技术有了飞速发展,使得信息资源可以联网共享。同时,为了满足例如各类大商场、金融中心等区域面积较大、场所较多的地方的安防要求,安防报警系统必须要具有能够远程监督控制、报警信息能联网综合管理、系统稳定可靠不易被入侵者损坏和系统成本较低等特点。

电子围栏作为一种周界安全防卫报警系统,已在公共安全领域得到广泛应用,也可以充当社区公安业务的重要帮手,随着系统报警功能的不断优化和完善,节省了大量的社区公安警力,公共安全性得到显著提升。现有的电子围栏系统由前端物理防护围栏和系统主机组成,主机可以产生和接收脉冲探测信号,当前端探测围栏遭到入侵时,会造成电缆短路、开路等异常状态,将入侵信息发送给系统主机,经处理后产生报警信号,使得警务人员可以及时掌握报警区域的情况并做出快速反应,提升处理警情的效率。

智能电子围栏系统中对于脉冲回波信号的识别是体现其人性化、智能化的核心部分,基于对信号特征的提取,根据不同的入侵行为对这些特征信息进行分类和报警。但由于系统接收的脉冲回波信号是非平稳信号,且各种因素噪声干扰较大,增加了识别入侵信号的特征信息的难度,降低了报警准确率。

发明内容

本发明解决的是现有技术中的技术问题,为达上述目的,第一方面,本发明提供了一种入侵信号识别的多核SVM训练方法,其包括:

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,xy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所述核权重;

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。

进一步地,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,和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。

进一步地,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;

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光谷技术有限公司,未经光谷技术有限公司许可,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/pat/books/202011490179.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top