[发明专利]基于支持向量回归的交互式多模型算法、系统、存储介质及计算机设备

权利要求书

1.一种基于支持向量回归的交互式多模型算法，其特征在于，包括以下步骤：

S1:搭建基于支持向量回归的交互式多模型算法，将支持向量回归网络作为反馈网络与传统交互式多模型算法连结，获取算法的调节系数；

S2:选取训练集和标签集，按照设定归一标准化规则对训练集和标签集进行预处理；

S3:根据支持向量回归网络模型及其训练参数，使用训练参数对支持向量回归网络模型进行训练，使其最终达到收敛；

S4:将待处理的对应模型的目标状态输入交互值和量测输入到上述改进模型中得到目标当前时刻状态估计值。

2.根据权利要求1所述的一种基于支持向量回归的交互式多模型算法，其特征在于：所述步骤S1中在每一个跟踪时刻，每种模型对应的目标状态输入交互值和量测首先进入反馈网络得到当前时刻调节不同模型过程噪声协方差的系数，将该系数作为调节系数。

3.根据权利要求1所述的一种基于支持向量回归的交互式多模型算法，其特征在于：所述步骤S1中所述向量回归网络的输入节点数与目标状态、量测维数和对应，输出层节点为1，网络关系式为：

4.根据权利要求1所述的一种基于支持向量回归的交互式多模型算法，其特征在于：所述训练集包括多个机动等级的目标数据集，将目标数据集切分处理后获得训练集和标签集，所述标签集为每个时刻的目标真实状态。

5.根据权利要求4所述的一种基于支持向量回归的交互式多模型算法，其特征在于：所述归一标准化规则为Min-Max标准化方式。

6.根据权利要求1所述的一种基于支持向量回归的交互式多模型算法，其特征在于：所述步骤S3中使用MSE作为损失函数并以端到端的方式训练反向传播神经网络，其中损失函数为：

其中，m为训练数据数。

7.一种基于支持向量回归的交互式多模型系统，其特征在于：所述系统包括：

模型构建模块，用于搭建基于支持向量回归的交互式多模型算法，并将支持向量回归网络作为反馈网络与传统交互式多模型算法连结，获取算法的调节系数；

数据预处理模块，用于选取训练集和标签集，按照设定归一标准化规则对训练集和标签集进行预处理；

网络训练模块，用于根据支持向量回归网络模型及其训练参数，使用训练参数对支持向量回归网络模型进行训练，使其最终达到收敛；以及；

估计值计算模块，用于将待处理的对应模型的目标状态输入交互值和量测输入到上述改进模型中得到目标当前时刻状态估计值。

8.一种基于支持向量回归的交互式多模型存储介质，其特征在于：所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时能够实现权利要求1-7任一项所述的使用支持向量回归的交互式多模型算法的步骤。

9.一种基于支持向量回归的交互式多模型计算机设备，其特征在于：所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的使用支持向量回归的交互式多模型算法的算法程序，所述使用支持向量回归的交互式多模型算法的算法程序配置为实现权利要求1-7中任一项所述的使用支持向量回归的交互式多模型算法的步骤。