[發明專利]基于支持向量回歸的交互式多模型算法、系統、存儲介質及計算機設備

在審

• 申請號: 202110784690.4
• 申請日: 2021-07-12
• 公開（公告）號: CN113408708A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 張平;周楊磊;徐忠祥;周著佩;查志賢;劉子健;陳宇
• 申請（專利權）人: 安徽耀峰雷達科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 昆明合眾智信知識產權事務所 53113
• 代理人: 甘善甜

1.一種基于支持向量回歸的交互式多模型算法，其特征在于，包括以下步驟：

S1:搭建基于支持向量回歸的交互式多模型算法，將支持向量回歸網絡作為反饋網絡與傳統交互式多模型算法連結，獲取算法的調節系數；

S2:選取訓練集和標簽集，按照設定歸一標準化規則對訓練集和標簽集進行預處理；

S3:根據支持向量回歸網絡模型及其訓練參數，使用訓練參數對支持向量回歸網絡模型進行訓練，使其最終達到收斂；

S4:將待處理的對應模型的目標狀態輸入交互值和量測輸入到上述改進模型中得到目標當前時刻狀態估計值。

2.根據權利要求1所述的一種基于支持向量回歸的交互式多模型算法，其特征在于：所述步驟S1中在每一個跟蹤時刻，每種模型對應的目標狀態輸入交互值和量測首先進入反饋網絡得到當前時刻調節不同模型過程噪聲協方差的系數，將該系數作為調節系數。

3.根據權利要求1所述的一種基于支持向量回歸的交互式多模型算法，其特征在于：所述步驟S1中所述向量回歸網絡的輸入節點數與目標狀態、量測維數和對應，輸出層節點為1，網絡關系式為：

4.根據權利要求1所述的一種基于支持向量回歸的交互式多模型算法，其特征在于：所述訓練集包括多個機動等級的目標數據集，將目標數據集切分處理后獲得訓練集和標簽集，所述標簽集為每個時刻的目標真實狀態。

5.根據權利要求4所述的一種基于支持向量回歸的交互式多模型算法，其特征在于：所述歸一標準化規則為Min-Max標準化方式。

6.根據權利要求1所述的一種基于支持向量回歸的交互式多模型算法，其特征在于：所述步驟S3中使用MSE作為損失函數并以端到端的方式訓練反向傳播神經網絡，其中損失函數為：

其中，m為訓練數據數。

7.一種基于支持向量回歸的交互式多模型系統，其特征在于：所述系統包括：

模型構建模塊，用于搭建基于支持向量回歸的交互式多模型算法，并將支持向量回歸網絡作為反饋網絡與傳統交互式多模型算法連結，獲取算法的調節系數；

數據預處理模塊，用于選取訓練集和標簽集，按照設定歸一標準化規則對訓練集和標簽集進行預處理；

網絡訓練模塊，用于根據支持向量回歸網絡模型及其訓練參數，使用訓練參數對支持向量回歸網絡模型進行訓練，使其最終達到收斂；以及；

估計值計算模塊，用于將待處理的對應模型的目標狀態輸入交互值和量測輸入到上述改進模型中得到目標當前時刻狀態估計值。

8.一種基于支持向量回歸的交互式多模型存儲介質，其特征在于：所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時能夠實現權利要求1-7任一項所述的使用支持向量回歸的交互式多模型算法的步驟。

9.一種基于支持向量回歸的交互式多模型計算機設備，其特征在于：所述設備包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的使用支持向量回歸的交互式多模型算法的算法程序，所述使用支持向量回歸的交互式多模型算法的算法程序配置為實現權利要求1-7中任一項所述的使用支持向量回歸的交互式多模型算法的步驟。