[發明專利]基于汽車耐撞性的并行支持向量機近似模型優化方法

有效

• 申請號: 201210501096.0
• 申請日: 2012-11-30
• 公開（公告）號: CN102999672A
• 公開（公告）日: 2013-03-27
• 發明（設計）人: 王琥;蔡勇;李光耀;鄭剛
• 申請（專利權）人: 湖南大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 湖南兆弘專利事務所 43008
• 代理人: 趙洪;周長清

1.一種基于汽車耐撞性的并行支持向量機近似模型優化方法，其特征在于，步驟為：

（1）根據設計空間建立稀疏網絡，初始樣本點位于網絡節點；

（2）通過超級拉丁方實驗設計方法生成初始樣本，樣本自動轉移到網格節點；

（3）將生成的初始樣本分配到各個計算節點；

（4）在各個計算節點上用蒙特卡洛方法隨機生成樣本點；

（5）根據當前計算節點內生成的樣本，在各個計算節點上分別建立基于SVM的近似模型；

（6）獲取各個計算節點上分別構建的SVM近似模型的誤差標準，判斷是否達到收斂水平；如果在該計算節點達到收斂水平，則初步設定該區域的樣本區間，進行存儲，將步驟（4）在各個計算節點內用于構造近似模型的樣本傳至主進程，采用所有生成的節點構建全局的SVM模型；

（7）判斷全局的SVM模型是否收斂；如果收斂，則進程結束，反之，則跳轉至步驟（8）；

（8）對于針對各個不收斂的SVM模型所在的區域，則根據誤差的大小，初步并找到最大誤差區；比較收斂SVM模型所在的區域，搜尋其非重合區域，確定最大誤差區域；

（9）將各個區間獲取的誤差區信息發到主進程并求和，在求和后的區域內隨機生成樣本，并平均分配到各個計算節點，并跳轉至步驟（4），直至進程結束。

2.根據權利要求1所述的基于汽車耐撞性的并行支持向量機近似模型優化方法，其特征在于，在步驟（6）和（7）中采用了以下三個近似模型的評價準則，設X_i是在設計域內隨機生成的m個服從均勻分布的測試樣本點，其中i＝1,2…m；

（1）R²；

R2=1-Σi=1m(f(Xi)-f^(Xi))2Σi=1m(f(Xi)-f_(Xi))2]]>

其中，是輸出函數在m個測試樣本點的平均值，為測試樣本的逼近函數值，這個指從整體上反映了一個近似模型的精度，R²的值越接近1，則近似模型越精確；

(2)RAAE；

RAAE=Σi=1m|f(Xi)-f^(Xi)|m*STD]]>

這里，STD代表標準差，與R²一樣，這個指標從整體上反映了近似模型的精度，RAAE的值越接近0，則模型越精確；

(3)RMAE；

RMAE=max(|f(X1)-f^(X1)|,...,|f(Xm)-f^(Xm)|)STD]]>

這是一個局部指標，RMAE描述了設計空間某個局部域的誤差，因此RMAF的值越小越好。

3.根據權利要求1所述的基于汽車耐撞性的并行支持向量機近似模型優化方法，其特征在于，在所述步驟（1）中將網格的密度控制在樣本空間的1/10，即網格的密度ρm=10。