公开(公告)号：CN109102022B

公开(公告)日：2020-07-03

申请号：CN201810914812.5

申请日：2018-08-13

Applicant: 淮北师范大学

Inventor： 袁慧宇 ,  杨远贵 ,  赵娟 ,  戴海峰

IPC: G06K9/62

Abstract: 本发明公开了一种基于支持向量机的光变曲线分类方法，包括：步骤10）采集光变曲线数据与光变曲线类型；步骤20）对采集的光变曲线数据进行预处理；步骤30）根据预处理后的光变曲线数据，构建待分析数据集，并将所述数据集分为训练集和测试集；步骤40）设置支持向量机的核函数和惩罚系数,利用构建的训练集训练初始分类模型，得到训练后的分类模型，并利用构建的测试集对训练后的分类模型进行正确率测试，将正确率达到设定阈值的训练后的分类模型作为最终的分类模型；步骤50）利用最终的分类模型对光变曲线进行分类。该方法对噪声信号具有较强的抗干扰能力，分类更加准确，同时能检测出异常的光变曲线类型。

公开(公告)号：CN109102022A

公开(公告)日：2018-12-28

申请号：CN201810914812.5

申请日：2018-08-13

Applicant: 淮北师范大学

Inventor： 袁慧宇 ,  杨远贵 ,  赵娟 ,  戴海峰

IPC: G06K9/62

Abstract: 本发明公开了一种基于支持向量机的光变曲线分类方法，包括：步骤10）采集光变曲线数据与光变曲线类型；步骤20）对采集的光变曲线数据进行预处理；步骤30）根据预处理后的光变曲线数据，构建待分析数据集，并将所述数据集分为训练集和测试集；步骤40）设置支持向量机的核函数和惩罚系数,利用构建的训练集训练初始分类模型，得到训练后的分类模型，并利用构建的测试集对训练后的分类模型进行正确率测试，将正确率达到设定阈值的训练后的分类模型作为最终的分类模型；步骤50）利用最终的分类模型对光变曲线进行分类。该方法对噪声信号具有较强的抗干扰能力，分类更加准确，同时能检测出异常的光变曲线类型。