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！

龙图腾网获悉大连理工大学;中国航发控制系统研究所申请的专利一种基于改进支持向量机特征选择的进气道流动状态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：CN116467954B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310032803.4，技术领域涉及：G06F30/28；该发明授权一种基于改进支持向量机特征选择的进气道流动状态分类方法是由刘坤志;王艺超;王晨;仇小杰;杜宪;孙希明设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种基于改进支持向量机特征选择的进气道流动状态分类方法在说明书摘要公布了：本发明属于高超声速进气道的流场监测领域，提出一种基于改进支持向量机特征选择的进气道流动状态分类方法。依据典型的高超声速进气道模型，构建进气道流动状态数据集；基于特征选择ReliefF方法，计算特征权重，进行特征初步选择；基于共享最近邻相似度的粒度支持向量机GSVM‑SNN，每次从初步选择的特征中选择两个特征进行共享最近邻相似度的粒度支持向量机训练，保留训练准确率最高的两个特征为最终特征，并将训练得到的分类模型作为决策模型；将决策模型用于测试集，根据测试训练效果，最终得到高超声速进气道的流动状态。

本发明授权一种基于改进支持向量机特征选择的进气道流动状态分类方法在权利要求书中公布了：1.一种基于改进支持向量机特征选择的进气道流动状态分类方法，其特征在于，依据典型的高超声速进气道模型，构建进气道流动状态数据集；基于特征选择ReliefF方法，计算特征权重，进行特征初步选择；基于共享最近邻相似度的粒度支持向量机GSVM-SNN，每次从初步选择的特征中选择两个特征进行共享最近邻相似度的粒度支持向量机训练，保留训练准确率最高的两个特征为最终特征，并将训练得到的分类模型作为决策模型；将决策模型用于测试集，根据测试训练效果，最终得到此典型高超声速进气道的流动状态； 具体包括步骤如下： S1：进气道数值仿真数据处理； S1.1：对典型的高超声速进气道进行风洞试验或者流体力学数值仿真，获取不同工况下的进气道流场数据； S1.2：根据风洞试验或数值仿真结果，参照流场云图，对进气道的流通状态进行标记，同时提取压力点数据，生成数据集； S1.3：对典型的高超声速进气道壁面所有测点的压力数据进行归一化处理，每一个测点对应一个特征； S1.4：将数据集样本按照比例分为训练集和测试集，用于后续共享最近邻相似度的粒度支持向量机的训练； S2：采用ReliefF算法进行初步特征选择； S2.1：首先将所有特征的权重w置为0，设置抽取样本的次数n、特征权重阈值δ和最近邻样本个数t； 从训练集中抽取训练样本n次，并按照步骤S2.2-S2.4更新特征权重： S2.2：从训练集中随机选择一个训练样本S； S2.3：找到该训练样本同类t个最近邻，记为样本H1、H2...、Ht，和不同类t个最近邻，记为样本M1、M2...、Mt； S2.4：通过下式对第i个特征的权重w[i]进行迭代更新， 其中，pH表示同类样本的比例，pM表示不同类样本的比例，函数diff用于表示不同特征之间的差异；valuei，S1表示样本S1中的第i个特征的值； S2.5：对特征权重按从大到小的顺序进行排序，舍弃特征权重低于特征权重阈值ε的特征； S3：基于共享最近邻相似度的粒度支持向量机训练结果的特征重选择； S3.1：从初步特征选择的结果中，选择两个不同壁面的压力测点作为特征，进行基于共享最近邻相似度的粒度支持向量机GSVM-SNN训练，训练步骤为S3.2-S3.11；根据训练后的分类准确率进行特征的迭代选择，得到最终选择的特征以及决策模型； S3.2：设定训练最近邻KNN的阈值k值以及共享最近邻SNN中的链接阈值S； S3.3：步骤S1.1中不同工况为训练集样本，计算训练集样本间的距离，构造两两样本间的距离矩阵D＝ai，jn×n；其中：xi、xj为样本点， S3.4：计算两样本之间的相似度，构造相似度矩阵SI； Similarityxi，xj＝sizenlxi，nlxj 其中，nlxi为xi的最近邻样本列表，size用于计算集合大小；函数Similarity用于计算两样本之间的相似度； S3.5：以相似度矩阵SI为邻接矩阵构造共享最近邻图SH； S3.6：计算每个样本的密度，的密度定义为的最近邻列表中与xi相似的点的个数，如下式所示： 其中，为样本点，且满足count用于统计两个相似点大于链接阈值s个数；函数Density用于计算样本密度； S3.7：将样本密度大于链接阈值s的点划分成粒，将小于链接阈值s的点归类为噪声点； S3.8：对于包含起动和不起动两种状态的混合粒{Gmix}，利用KNN算法进行裁切，得到关键信息{Gs}； S3.9：对于只包含一种状态的纯粒{Gpure}，计算其KNN连通度，提取边缘点{Gb}； S3.10：将噪声点保留成噪声粒{Gn}； S3.11：将{Gs}、{Gb}、{Gn}融合后进行共享最近邻相似度的粒度支持向量机训练，得到决策模型和训练集分类准确率； S4：将决策模型用于对测试集数据预测，得到进气道起动不起动的分类结果，对此典型进气道起动不起动状态进行分类。

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大连理工大学;中国航发控制系统研究所，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。