基于SVM模型参数优化的多模态数据融合和分类方法技术

本发明专利技术公开了基于SVM模型参数优化的多模态数据融合和分类方法。采用多模态数据融合技术，把采集到的缺陷特征数据融合起来，用于后续的分类识别；然后，优化选择SVM模型子分类器权重系数，针对各个模态突出的差异信息不同，重点聚焦错分数据点，得到多模态加权组合的SVM分类器模型，接着利用混合函数SVM分类器对融合缺陷数据进行分类，最终得到分类结果。该方法仅需要小样本的训练集，选择的特征信息和支持向量各有侧重，重点聚焦错分数据点，得到多模态加权组合的SVM分类器模型，可以有效的增强分类性能，从而准确对缺陷分类。

Multimodal data fusion and classification method based on SVM model parameter optimization

【技术实现步骤摘要】
基于SVM模型参数优化的多模态数据融合和分类方法
本专利技术提供基于SVM模型参数优化的多模态数据融合和分类方法，尤其涉及利用基于混合函数的SVM模型实现对多模态融合数据的分类，完成对飞机蒙皮缺陷类型的自动识别技术。
技术介绍
飞机，舰船等大型设备或部件的结构受到破坏，主要原因是结构中存在裂纹，腐蚀等缺陷而未被及时发现，一次随机出现的高承载使这种带缺陷的结构不能承受而发生断裂引起的，这种结构的破坏，往往引起灾难性的后果。利用无损检测技术尽早发现结构缺陷是保证飞机等大型设备安全的重要手段。飞机蒙皮是飞机最重要的组成部分之一，用来维持飞机外形，使之具有很好的空气动力特性。蒙皮承受空气动力作用后将作用力传递到相连的机身机翼骨架上，受力复杂，加之蒙皮直接与外界接触，所以不仅要求蒙皮材料强度高、塑性好，还要求表面光滑，有较高的抗蚀能力。因此为了保障飞机蒙皮的可靠性和安全性，必须对飞机蒙皮进行有效的故障检测和诊断，以便及时发现故障，并进行有效处理。之前，我们已经解决了利用图像测量技术采集测量飞机蒙皮缺陷，以及提取蒙皮表面缺陷的物理测量特征的本文档来自技高网...

【技术保护点】
1.基于SVM模型参数优化的多模态数据融合和分类方法，其特征在于，法包括以下步骤：/nS1，利用卷积神经网络以及多视角图像测量，完成对缺陷数据的提取和预处理；/nS2，采用多模态数据融合管理中心，把采集到的缺陷特征数据融合起来，用于后续的分类识别；待融合数据一部分是基于CNN在灰色图像中学习到的深度特征，另一部分为基于多视角对缺陷的物理测量特征；/nS3，优化选择SVM模型子分类器权重系数，针对各个模态突出的差异信息不同，选择不同的特征信息和支持向量，聚焦错分数据点，得到多模态加权组合的SVM分类器模型；/nS4，利用混合函数SVM分类器对融合缺陷数据进行分类，最终得到分类结果。/n

【技术特征摘要】
1.基于SVM模型参数优化的多模态数据融合和分类方法，其特征在于，法包括以下步骤：
S1，利用卷积神经网络以及多视角图像测量，完成对缺陷数据的提取和预处理；
S2，采用多模态数据融合管理中心，把采集到的缺陷特征数据融合起来，用于后续的分类识别；待融合数据一部分是基于CNN在灰色图像中学习到的深度特征，另一部分为基于多视角对缺陷的物理测量特征；
S3，优化选择SVM模型子分类器权重系数，针对各个模态突出的差异信息不同，选择不同的特征信息和支持向量，聚焦错分数据点，得到多模态加权组合的SVM分类器模型；
S4，利用混合函数SVM分类器对融合缺陷数据进行分类，最终得到分类结果。


2.如权利要求1所述的多模态数据融合和分类方法，所述多模态数据融合管理中心的功能包括：
a、融合系统管理中心，它是整个系统的控制中心，实现对图像融合的各个层次进行协调管理，它的功能包括：控制传感器的工作模式、控制系统的输入输出、控制像素级融合中心的工作状态、控制决策级融合中心的工作状态、协调各个功能单元；
b.像素级融合中心，像素级融合中心是在系统需要的情况下...

【专利技术属性】
技术研发人员：曾向荣，刘衍，龙鑫，周典乐，孙博良，钟志伟，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43