买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西北工业大学申请的专利利用轨迹特征和联合分类器的水下慢速小目标分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116630789B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310452264.X，技术领域涉及：G06V20/05；该发明授权利用轨迹特征和联合分类器的水下慢速小目标分类方法是由刘雄厚;赖凯;杨益新;孙超;卓颉设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本利用轨迹特征和联合分类器的水下慢速小目标分类方法在说明书摘要公布了：本发明提出利用轨迹特征和联合分类器的水下慢速小目标分类方法，通过对轨迹进行特征提取计算特征量，然后将特征量输入预先训练的SVDD‑SVM联合分类器，最后利用投票准则对联合分类器输出进行综合评判得到分类结果。所提基于联合分类器的分类方法具有优于传统分类器的召回率和精准率，可在一定程度上解决小样本、类不平衡导致的分类难题。本发明所提取的利用跟踪轨迹特征和联合分类器的水下慢速小目标分类方法具有更高的召回率、精确率：对蛙人目标的平均召回率可达86％，平均精确率可达87％。SVDD‑SVM对UUV目标的平均召回率可达85％，平均精确率可达86％，可缓解水下慢速小目标由于特征不稳定、样本数据少、类不平衡所导致的分类性能下降的情况。

本发明授权利用轨迹特征和联合分类器的水下慢速小目标分类方法在权利要求书中公布了：1.利用轨迹特征和联合分类器的水下慢速小目标分类方法，其特征在于，包括以下步骤：步骤1：提取水下慢速小目标跟踪轨迹特征量；步骤2：设计SVDD-SVM联合分类器：该联合分类器采用二级分类器串联的架构；第一级分类器包含2个并列的SVDD，第二级分类器包含1个训练好的SVM，其串联在2个SVDD之后；步骤3：对SVDD-SVM联合分类器进行训练和测试；步骤4：为训练和测试好的SVDD-SVM联合分类器设计分类时所需的投票准则：如果2个SVDD得到的是相互支持的结果，则直接将该结果作为最终分类结果；如果2个SVDD得到的是相互矛盾的结果，则将SVM分类器的结果作为最终分类结果；步骤5：对于待分类的跟踪轨迹，按照步骤1提取出特征量，利用步骤3训练和测试好的SVDD-SVM联合分类器根据步骤4的投票准则对跟踪轨迹进行分类，从而实现对水下慢速小目标的分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。