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！

龙图腾网获悉西北工业大学申请的专利利用集成学习和联合分类器的水下慢速小目标分类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：CN116805058B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310623868.6，技术领域涉及：G06F18/2411；该发明授权利用集成学习和联合分类器的水下慢速小目标分类方法是由刘雄厚;赖凯;杨益新;孙超;卓颉;王艺为设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本利用集成学习和联合分类器的水下慢速小目标分类方法在说明书摘要公布了：本发明提出利用集成学习和联合分类器的水下慢速小目标分类方法，利用集成算法对SVDD‑SVM联合分类器进行优化得到SVDDe‑SVMe，然后将跟踪轨迹特征量送入SVDDe‑SVMe并结合SVDDe‑SVMe的决策机制得到分类结果。本发明的基本原理和实施方案经过了实测数据和蒙特卡洛试验的验证，有效提高分类结果的准确性和稳健性。本发明中所提利用集成学习和联合分类器的水下慢速小目标分类方法相较于传统方法具有更高的精确性和稳健性。

本发明授权利用集成学习和联合分类器的水下慢速小目标分类方法在权利要求书中公布了：1.利用集成学习和联合分类器的水下慢速小目标分类方法，其特征在于，包括以下步骤： 步骤1：提取跟踪轨迹特征量，从运动速度、轨迹光滑性、轨迹长度以及轨迹方向性四个方面进行量化分析，从而进行跟踪轨迹特征量提取； 步骤2：设计SVDD-SVM并生成数据集；SVDD-SVM采用二级分类器串联的总体架构：1个单分类SVDD作为第一级分类器，1个二分类SVM作为第二级分类器，二分类SVM串联在单分类SVDD之后； 步骤3；对子分类器进行集成优化得到SVDDe和SVMe； SVDDe得到过程包括以下步骤： 1将集成分类器中基本分类器个数从1取到Tmax，用单分类SVDD分类算法和步骤2所得的单分类SVDD训练集对SVDD-SVM中的单分类SVDD进行集成优化； 2根据集成算法训练出一系列基本分类器个数不同的集成分类器 3根据公式a＝PHx＝y计算的准确率，找出中准确率最高的集成分类器作为单分类SVDD所对应的最优集成分类器SVDDe，其中P·表示求概率，H为集成分类器，x为测试集，y为测试集标签，a为H测试结果的准确率； SVMe的得到过程包括以下步骤： 1将集成分类器中基本分类器个数从1取到Tmax，用二分类SVM分类算法及步骤2所得到的二分类SVM训练集对SVDD-SVM中的二分类SVM进行集成优化； 2根据集成算法训练出一系列基本分类器个数不同的集成分类器 3根据公式a＝PHx＝y计算的准确率，找出中准确率最高的集成分类器作为二分类SVM所对应的最优集成分类器SVMe；其中P·表示求概率，H为集成分类器，x为测试集，y为测试集标签，a为H测试结果的准确率； 步骤4：训对SVDD-SVM集成优化得到SVDDe-SVMe；保持SVDD-SVM总体架构不变，用步骤3所得到的SVDDe替换SVDD-SVM中的单分类SVDD、SVMe替换SVDD-SVM中的二分类SVM，得到联合分类器SVDDe-SVMe，完成SVDD-SVM的集成优化； 步骤5：设计SVDDe-SVMe的决策机制；将SVDD-SVM决策机制中的单分类SVDD、二分类SVM分别替换为SVDDe、SVMe即得到SVDDe-SVMe的决策机制； 步骤6：对待分类跟踪轨迹进行分类：对需要分类的跟踪轨迹，按照步骤1提取待分类跟踪轨迹的跟踪轨迹特征量，然后将所提取的跟踪轨迹特征量作为步骤4所得SVDDe-SVMe的输入，利用SVDDe-SVMe决策机制得到待分类跟踪轨迹的分类结果，从而实现对水下慢速小目标的分类。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。

以上内容由龙图腾AI智能生成。