Inizia selezionando casualmente 42 campioni dai tre stati di vibrazione per assemblare il gruppo di allenamento. Utilizzare i 18 campioni rimanenti per formare il gruppo di test. Utilizzare la funzione fitcecoc di MATLAB per l'addestramento SVM e salvare l'SVM addestrato utilizzando la funzione di salvataggio in formato mat.
Utilizzando la funzione di previsione di MATLAB, inserisci il vettore della funzione di gradiente direzionale delle immagini del campione del gruppo di test nella SVM addestrata per ottenere il valore calcolato della funzione di stato di vibrazione per ciascun campione di test. Per determinare i risultati del riconoscimento del campione del set di test, inserire il set di test nella SVM sottoposta a training. Contare il numero di campioni per i quali i risultati del riconoscimento del set di test corrispondono allo stato effettivo, quindi dividere il numero di campioni corretti per il numero totale di campioni di set di test per calcolare l'accuratezza del riconoscimento.
All'aumentare del numero di intervalli statistici del gradiente direzionale, l'accuratezza del riconoscimento dell'SVM per lo stato di vibrazione del calcestruzzo inizialmente aumenta e poi diminuisce. Vengono presentate le caratteristiche del gradiente direzionale del campione utilizzando diversi intervalli statistici del gradiente direzionale.
