本發明涉及頻譜感知技術,具體地說它是一種基于機器學習的高效快速工業頻譜認知方法。該發明針對現有頻譜感知方法處理工業復雜電磁環境下頻譜大數據時存在的計算量大、速度慢、能耗高等問題,首先采用主成分分析(PCA)方法對工業頻譜大數據進行降維處理,提取特征數據,降低數據處理復雜度,提高感知效率;然后采用單類支持向量機(OCSVM)對降維數據進行分類訓練學習,并利用粒子群算法(PSO)對訓練參數進行迭代優化,提高頻譜認知準確度,避免陷入局部最優;最后,采用優化學習的工業頻譜認知模型對實時工業頻譜進行認知。本發明具有復雜度低、感知精度高和快速高能效的特點,可實現頻譜感知到認知的跨越。
聲明:
“基于機器學習的高效快速工業頻譜認知方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)