Commencez par sélectionner au hasard 42 échantillons parmi les trois états de vibration pour assembler le groupe d’entraînement. Utilisez les 18 échantillons restants pour former le groupe de test. Utilisez la fonction fitcecoc de MATLAB pour l’entraînement de la SVM et enregistrez la SVM entraînée à l’aide de la fonction d’enregistrement au format mat.
À l’aide de la fonction de prédiction de MATLAB, saisissez le vecteur de caractéristiques de gradient directionnel d’images d’échantillons de groupe de test dans la SVM entraînée afin d’obtenir la valeur calculée de la caractéristique d’état de vibration pour chaque échantillon de test. Pour déterminer les résultats de la reconnaissance de l’échantillon de l’ensemble de tests, introduisez l’ensemble de tests dans la SVM entraînée. Comptez le nombre d’échantillons pour lesquels les résultats de reconnaissance de l’ensemble de tests correspondent à l’état réel, puis divisez le nombre d’échantillons corrects par le nombre total d’échantillons d’ensembles de tests pour calculer la précision de la reconnaissance.
Au fur et à mesure que le nombre d’intervalles statistiques de gradient directionnel augmente, la précision de reconnaissance de la SVM pour l’état vibratoire du béton augmente d’abord, puis diminue. Les caractéristiques de gradient directionnel de l’échantillon à l’aide de différents intervalles statistiques de gradient directionnel sont présentées.
