[發明專利]一種基于多視角的魯棒雙邊孿生向量機的林火識別方法

在審

• 申請號: 202011237777.1
• 申請日: 2020-11-09
• 公開（公告）號: CN112348087A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 業巧林;黃捧
• 申請（專利權）人: 南京林業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京思拓知識產權代理事務所(普通合伙) 32288
• 代理人: 苗建

1.一種基于多視角的魯棒雙邊孿生向量機的林火識別方法，其特征在于：包括以下步驟：

S11：定義數據集：正類數據集和負類數據集；

S12：將MvGSVM目標函數中用于正類的MvGSVM公式轉換為一個新穎的SVM類型問題；

S13：引入雙邊約束，提高模型的魯棒性；

S14：解決MvGSVM容易生成面向離群值超平面的問題；

S21：設計一種新的用于推導最佳擬合超平面的迭代算法1；

S22：算法1迭代求解；

S31：設計MvRDTSVM的快速版本MvFRDTSVM、迭代算法2；

S32：算法2迭代求解。

2.根據權利要求1所述的一種基于多視角的魯棒雙邊孿生向量機的林火識別方法，其特征在于：在步驟S11中：定義第一視角的正類數據集為第一視角的負類數據集為定義第二視角的正類數據集為第二視角的負類數據集為其中，d代表維度，n₁+n₂＝n，n代表樣本個數，所述每個視角包含兩個超平面，第一視角的兩個超平面為view1:x₁^Tw₁+b₁＝0,x₁^Tu₁+p₁＝0，其中，s₁＝[u₁ p₁]^T；第二視角的兩個超平面為view2:x₂^Tw₂+b₂＝0,x₂^Tu₂+p₂＝0，其中，s₂＝[u₂ p₂]^T，所述x₁和x₂分別表示第一和第二視角的樣本，由于基于廣義特征值的多視角近端支持向量機MvGSVM是廣義特征值支持向量機GEPSVM的多視圖擴展，但MvGSVM沒有典型SVM的表述，需要將結構風險最小化。

3.根據權利要求2所述的一種基于多視角的魯棒雙邊孿生向量機的林火識別方法，其特征在于：在步驟S12中：為實現標準SVM結構風險最小化，將MvGSVM目標函數中用于正類的MvGSVM公式轉換為一個新穎的SVM類型問題：定義損失函數1：損失函數2：其中，z₁＝[w₁ b₁]^T，z₂＝[w₂ b₂]^T，根據公式

且

最小化兩個損失函數的和。

4.根據權利要求3所述的一種基于多視角的魯棒雙邊孿生向量機的林火識別方法，其特征在于：在步驟S13中：上述最小化兩個損失函數和的公式中，兩個視圖之一的負類樣本被強制僅位于該視圖的正超平面的左側，為使負類別樣本被允許分布在正類擬合超平面的兩側，需要引入一種雙邊策略：使用以下絕對值運算測量距離：

且

采用L2,s-范數代替L2,1-范數或L1-范數來最小化類內離散度。

5.根據權利要求4所述的一種基于多視角的魯棒雙邊孿生向量機的林火識別方法，其特征在于：在步驟S14中：MvGSVM算法使用平方L2-范數對模型的距離進行測量，由于L2-范數對離群值非常敏感，MvGSVM容易生成面向離群值的超平面，為解決這個問題，基于L1-范數特性能夠測量每個視圖的正擬合超平面到正分類點的絕對距離而不是平方距離，構造以下問題：

根據測量距離和上述構造的問題找到最佳正超平面的模型，第一個目標函數為：

其中，c0控制經驗誤差，同樣，第二個目標函數為：

為解決兩個目標函數中非凸且光滑的問題設計了一種新的迭代算法。