Comience seleccionando al azar 42 muestras de los tres estados de vibración para armar el grupo de entrenamiento. Utilice las 18 muestras restantes para formar el grupo de prueba. Utilice la función fitcecoc de MATLAB para el entrenamiento de SVM y guarde la SVM entrenada mediante la función save en formato mat.
Con la función de predicción de MATLAB, introduzca el vector de características de gradiente direccional de imágenes de muestra de grupo de prueba en la SVM entrenada para obtener el valor calculado de la característica de estado de vibración para cada muestra de prueba. Para determinar los resultados del reconocimiento de muestras del conjunto de pruebas, introduzca el conjunto de pruebas en la SVM entrenada. Cuente el número de muestras para las que los resultados de reconocimiento del conjunto de pruebas coinciden con el estado real y, a continuación, divida el número de muestras correctas por el número total de muestras de conjuntos de pruebas para calcular la precisión del reconocimiento.
A medida que aumenta el número de intervalos estadísticos de gradiente direccional, la precisión de reconocimiento de la SVM para el estado de vibración del hormigón aumenta inicialmente y luego disminuye. Se presentan las características del gradiente direccional de la muestra utilizando diferentes intervalos estadísticos de gradiente direccional.
