(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111672745.9 (22)申请日 2021.12.31 (71)申请人 中国人民解 放军63790部队保障部 地址 615000 四川省凉山彝族自治州航天 北路138号 申请人 北京空间飞行器总体设计 部 (72)发明人 庄轲　皇甫松涛 　刘一帆　仝非　 常进　王帅　唐树海　张帅　王妍　 李乃海　杨东　藏洁　闫金栋　 白少华　尹溶森　 (74)专利代理 机构 北京理工大 学专利中心 11120 专利代理师 高会允 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种基于专家评语和支持向量机的航天器 数据评估方法 (57)摘要 本发明公开了一种基于专家评语和支持向 量机的航天器数据评估 方法， 属于航天器数据技 术领域， 用于上限将测试数据值向专家评语域的 不确定性映射， 实现测试数据值向评语域映射的 不确定性转化。 首先建立支持向量机算法模型， 构建分属于N个类别的训练数据样本， 对支持向 量机进行训练， 形成N个分类超平面。 针对N种专 家评语分别构建基于正态分布的专家评语模型， 第n种专家评语对应的专家 评语模型的期望值为 Exn， 专家评语模型的熵为Enn， 专家评语模型的 超熵为Hen。 计算测试数据分别到N个分类超平面 的距离d1～dN， 得到距离向量d； 定义百分比函数 形成向量； 取sm ＝max(s1,s2,…,sn)， 则测试数据对应第m种专家 评语。 权利要求书2页 说明书5页 附图2页 CN 114510998 A 2022.05.17 CN 114510998 A 1.一种基于专家评语和支持向量机的航天器数据评估方法， 其特征在于， 包括如下步 骤： 步骤1)建立支持向量机算法模型， 构建分属于N个类别的训练数据样本， 对支持向量机 进行训练， 形成N个分类超平面； 步骤2)针对N种专家评语分别构建基于正态分布的专家评语模型， 其中第n种专家评语 对应的专 家评语模型的期望值 为Exn， 专家评语模型的熵为Enn， 专家评语模型的超熵为Hen； 步骤3)计算测试 数据分别到N个分类超平面的距离d1～dN， 得到距离向量d： 步骤4) 定义百分比 函数 形成向 量 步骤5)取sm＝max(s1,s2,...,sn)， 则所述测试 数据对应第m种专 家评语。 2.如权利要求1所述的基于专家评语和支持向量机的航天器数据评估方法， 其特征在 于， 输入的训练数据样本为 xi为电压量遥测数据或者时间数据， yi为电压量遥测 数据， 其中xi和yi同为电压量遥测数据时， 其类别为相同或者不同， l为样本点长度； 高斯核 函数为Φ(x)， x为向量x＝x1～xl； 则建立分类超平面y＝<w,Φ(x)>， 式 中， w是超平面中法线方向的向量； 共得到N个分类超平面。 3.如权利要求1所述的基于专家评语和支持向量机的航天器数据评估方法， 其特征在 于， 所述步骤1之后还包括构建测试数据值到N个分类超平面的距离阈值矩阵， 距离阈值矩 阵为： 其中dn min为第n个分类超平面的距 离阈值下限， dn max为第n个分类超平面的距 离阈值上 限； n取值 为[1,N]范围内的整数。 4.如权利要求3所述的基于专家评语和支持向量机的航天器数据评估方法， 其特征在 于， 所述根据构建测试数据值到N个分类超平面的距离阈值矩阵， 计算训练数据样本到类别 n的距离d， 若d＞dkmax或d＜dkmin,k∈[1,N]， 则所述训练数据样本不划分为类别k； 若dikmin＜权　利　要　求　书 1/2 页 2 CN 114510998 A 2d＜dikmax,k∈[1,N]， 则所述训练数据样本划 分为类别k， 得到按照训练数据特征的分类结 果。 5.如权利要求1～4任一所述的基于专家评语和支持向量机的航天器数据评估方法， 其 特征在于， 所述第n种专家评语对应 的专家评语模型的期望值为Exn， 专家评语模型的熵为 Enn， 专家评语模型的超熵为Hen， 具体为： 针对第n个分类超平面， 取专 家评语正常数据的期望值 为Exn； Enn为熵， 第n个训练样本数据的上限减下限的值为Fl1， 专家评语正常数据上限减下限 的值为Fl2， 则 Hen为超熵， 第n个训练样本数据的标准差为std1， 专家评语正常数据不确定性为std2， 则Hen＝std12+std22。 6.如权利要求5所述的基于专家评语和支持向量机的航天器数据评估方法， 其特征在 于， 所述步骤2之后还包括将距离阈值矩阵中的距离阈值用Exn， Enn和Hen代替， 则所述距离 阈值矩阵更新 为： 权　利　要　求　书 2/2 页 3 CN 114510998 A 3