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！

龙图腾网恭喜南京林业大学申请的专利一种基于多视角的鲁棒双边孪生向量机的林火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：CN112348087B 。

龙图腾网通过国家知识产权局官网在2024-09-20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：202011237777.1，技术领域涉及：G06F18/2411；该发明授权一种基于多视角的鲁棒双边孪生向量机的林火识别方法是由业巧林;黄捧设计研发完成，并于2020-11-09向国家知识产权局提交的专利申请。

本一种基于多视角的鲁棒双边孪生向量机的林火识别方法在说明书摘要公布了：本发明公开了一种基于多视角的鲁棒双边孪生向量机的林火识别方法，包括：开发了一种新的优化模型：鲁棒的双边孪生支持向量机的多视图学习算法：MvRDTSVM，并将其应用在森林烟火识别上，在林火数据库上进行实验：利用真实图像数据对比四种单、多视图方法，测试其鲁棒性和泛化性能；将MvGSVM重新表述为SVM类型的问题，同时引入双边约束，将L1范数作为目标函数中的距离度量方式，提高模型的鲁棒性；由于目标函数是非凸且非光滑的，本发明设计了一种新的有效迭代算法并从理论上证明其收敛性，由于迭代过程中需要解决一系列QPP问题，会使计算成本增加，进一步开发了MvRDTSVM的快速版本：MvFRDTSVM，通过解决一系列线性方程组而不是QPP问题极大地提高了计算速度，节省了计算成本。

本发明授权一种基于多视角的鲁棒双边孪生向量机的林火识别方法在权利要求书中公布了：1.一种基于多视角的鲁棒双边孪生向量机的林火识别方法，其特征在于：包括以下步骤：S11：定义数据集：正类数据集和负类数据集；S12：将MvGSVM目标函数中用于正类的MvGSVM公式转换为一个SVM类型问题；S13：引入双边约束，提高模型的鲁棒性；S14：解决MvGSVM容易生成面向离群值超平面的问题；S21：设计一种用于推导最佳拟合超平面的迭代算法1；S22：算法1迭代求解；S31：设计MvRDTSVM的快速版本MvFRDTSVM，即迭代算法2；S32：算法2迭代求解；在SmokeImg林火数据库中选择了150张黑烟和150张非黑烟的真实图像来评估MvRDTSVM和MvFRDTSVM的分类性能，首先在原始数据集上实施单、多视图学习方法，记录平均分类精度，然后对含噪声的SmokeImg进行实验以测试每种方法的鲁棒性；在步骤S11中：定义第一视角的正类数据集为、第一视角的负类数据集为，定义第二视角的正类数据集为、第二视角的负类数据集为，其中，d代表维度，n1+n2=n，n代表样本个数，所述每个视角包含两个超平面，第一视角的两个超平面为，其中，；第二视角的两个超平面为，其中，，所述x1和x2分别表示第一和第二视角的样本；在步骤S12中：为实现标准SVM结构风险最小化，将MvGSVM目标函数中用于正类的MvGSVM公式转换为一个SVM类型问题：定义损失函数1：，损失函数2：，其中，，，，，，，根据公式 ， 且最小化两个损失函数的和；在步骤S13中：上述最小化两个损失函数和的公式中，两个视图之一的负类样本被强制仅位于该视图的正超平面的左侧，为使负类别样本被允许分布在正类拟合超平面的两侧，需要引入一种双边策略：使用以下绝对值运算测量距离： ，且，采用L2,s-范数代替L2,1-范数或L1-范数来最小化类内离散度；在步骤S21中：设计一种用于推导最佳拟合超平面的迭代算法1：令，，，，，表示对角线函数，可以将第一个目标函数简化为： ， 其中，，，，表示判别函数，当时输出结果为1，否则输出结果为-1，和分别表示矩阵MA和NA的第i行行向量，将简化的第一个目标函数重新写为如下形式： ， ，构造对角矩阵DA和PA，分别定义对角元素和，，，将第一个目标函数转化为如下形式： ， ，其中，由上述公式可以看出对角矩阵DA，PA以及F取决于z。

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林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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”。