买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利大规模超声速进气道流动状态的识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN111832224B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202010629275.7，技术领域涉及：G06F18/2411；该发明授权大规模超声速进气道流动状态的识别方法是由吴奂;赵永平;李兵;谭慧俊设计研发完成，并于2020-07-01向国家知识产权局提交的专利申请。

本大规模超声速进气道流动状态的识别方法在说明书摘要公布了：本发明提供一种大规模超声速进气道流动状态的识别方法，该方法是一种F‑KNN和I‑DAGSVM相结合的混合算法，用于解决大规模超声速进气道的流动状态识别问题。该混合算法首先利用F‑KNN快速找到每个测试样本的k个精确的近邻样本，然后再基于这些近邻样本，利用I‑DAGSVM训练局部分类器去进行判别，因而结合了F‑KNN的高效搜寻速度和I‑DAGSVM优秀的分类性能，同时也克服了F‑KNN算法在面对属于不同类别的近邻样本数目相等时误分的情况以及I‑DAGSVM算法在处理大数据时其训练过程非常耗时的缺点，从而保证了能够在合理的运行时间内得到优秀的分类结果。

本发明授权大规模超声速进气道流动状态的识别方法在权利要求书中公布了：1.一种大规模超声速进气道流动状态的识别方法，其特征在于，包括如下步骤： 步骤1：采集超声速进气道在额定状态下的节流过程中进气道壁面各压力测点的动态压力时间历程信号； 步骤2：以所采集信号为样本，所采集信号对应的进气道流动状态类别为样本标签，建立样本集，将样本集划分成训练集和测试集； 步骤3：采用F-KNN算法在训练集中找到每个测试样本x的k个近邻样本； 步骤4：对k个近邻样本的两两类别间构建DAGSVM，并计算类别之间的可分性，按照类别之间可分性从大到小的顺序，从上到下构建将各个DAGSVM组织成树形结构； 步骤5：在判定测试样本时，依次将其输入给所述树形结构中的子分类器，每次判定后，剔除概率较小的类别，直至只剩下一个类别，则判定测试样本就属于剩下的这个类别； 步骤1中，采用ReliefF算法选出对识别当前进气道所处的流动状态最有效的传感器位置，样本由选出的传感器信号组成； 步骤3的具体步骤包括： 步骤3.1：在测试样本集中随机确定一个基准样本R，并根据各个训练样本与R的距离建立一个有序队列和一张索引表；索引表中记录的是有序队列中第个训练样本在有序队列中的位置及其到R的距离； 步骤3.2：计算测试样本x与R的距离d，利用二分法在索引表中确定与R的距离最接近d的训练样本q的范围； 步骤3.3：在所述范围内找到q，并以q为中心在有序队列中取出k个训练样本作为x的初始近邻样本；通过不断搜索q前后满足条件的训练样本并替换掉初始近邻样本，最终得到x的k个精确的近邻样本； 步骤4中类别之间的可分性由两类样本的类中心间的距离表示； 类中心间的距离计算步骤如下： 假设Ni是第i类样本的数目，是第k个样本，则第i类的平均向量和半径分别由1和2计算得到： 计算出第j类的平均向量和半径；则第i类和第j类之间的距离Dij由两个类的平均向量间的距离减去各自的半径得到： Dij＝||mi-mj||2-ri-rj3 平均向量代表着类的中心，而半径代表着类中样本的分布情况，半径越小代表着样本分布越密集；因此，类中心间的距离越大，半径越小，则代表着两个类越容易区分。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。