Beginnen Sie mit der zufälligen Auswahl von 42 Proben aus den drei Schwingungszuständen, um die Trainingsgruppe zusammenzustellen. Verwenden Sie die restlichen 18 Proben, um die Testgruppe zu bilden. Nutzen Sie die fitcecoc-Funktion von MATLAB für das SVM-Training und speichern Sie die trainierte SVM mit der Save-Funktion im Mat-Format.
Geben Sie mithilfe der Vorhersagefunktion von MATLAB den Richtungsgradienten-Merkmalsvektor der Testgruppenprobenbilder in die trainierte SVM ein, um den berechneten Wert des Schwingungszustandsmerkmals für jede Testprobe zu erhalten. Um die Ergebnisse der Stichprobenerkennung des Testsatzes zu ermitteln, speisen Sie den Testsatz in die trainierte SVM ein. Zählen Sie die Anzahl der Stichproben, für die die Testsatzerkennungsergebnisse mit dem tatsächlichen Zustand übereinstimmen, und dividieren Sie dann die Anzahl der richtigen Stichproben durch die Gesamtzahl der Testsatzstichproben, um die Erkennungsgenauigkeit zu berechnen.
Mit zunehmender Anzahl der gerichteten gradientenstatistischen Intervalle steigt die Erkennungsgenauigkeit der SVM für den konkreten Schwingungszustand zunächst an und nimmt dann ab. Die Richtungsgradienteneigenschaften der Probe werden unter Verwendung verschiedener gerichteter Gradienten-statistischer Intervalle vorgestellt.
