基于SVM的φ-OTDR事件分類識別算法的研究

李亞擎

摘要：

本文提出一種基于支持向量機（Support Vector Machine，SVM）算法的擾動判別和擾動模式識別的方法，算法首先通過穩定性競爭自適應重加權采樣（SCARS）提取信號時域和頻域特征，其次基于時域和頻域特征建立了SVM算法分類器，最后通過分類器進行擾動模式識別研究。

關鍵詞：SVM;φ-OTDR;分類器;模式識別;SCARS

一、SCARS的特征選擇原理

穩定性競爭自適應重加權采樣[15]（SCARS）算法的度量標準是算法的穩定性，當算法越穩定時，變量被選擇的概率越大。全部計算過程里包含N個循環數據，首先，需要計算出所有特征的穩定性，然后通過強制變量的篩選和自適應重加權采樣法[16]（adapting reweighted sampling， ARS）計算出穩定性較大的變量，把這些變量放入一個集合中。循環結束后，可以得到N個穩定性較大的變量集合，其次，對每個集合進行PLS建模，最后，根據模型中RMSECV值最小原則選擇出最合適的集合。變量穩定性的評價規則如下：

矩陣 為所測樣本的特征矩陣，n為樣本數，p為變量數，表示目標性質變量，建立PLS回歸模型時，X與y的關系可以表示為

?其中  和 ?分別表示M次采樣后第j個變量自回歸系數的平均值和標準偏差，從式（6）可以看出， ?值越大， ?值越小，該變量的穩定值越大，重要性越強。

同上所述，整個循環結束后將獲得N個變量子集，對每個變量子集進行PLS建模，然后根據模型RMSECV值最小原則選擇最優的變量子集。SCARS具體算法步驟如下：

Step1：當循環次數 時，計算原始變量集V中各變量的穩定性值;

Step2：通過衰減指數函數將較為穩定的變量保存，變量的保留率 ?其中 ， ，p為原始變量數;

Step3：通過ARS采樣技術從Step2將穩定值較大的變量保存，把所篩選的變量作為第i次變量子集 ;循環次數 ;

Step4：第i次循環 時，計算變量子集 中各變量的穩定性值，依次執行Step2，Step3;

Step5：若 ，執行Step4;若 ，執行Step6;

Step6：將以上步驟進行N次循環，共獲得N個穩定性強的變量集合 ，建立每個變量的PLS模型，計算它們的RMSECV值;

Step7：根據計算的RMSECV值，選擇其中最小的值，將此值對應的集合視作最優集合。

二、特征選擇結果

隨著采樣運行次數的增加，特征的數量迅速下降，然后緩慢下降。可以認為首先進行了初步選擇，然后進行了精細選擇。在1-34次的采樣運行中，（五倍交叉驗證的最小均方誤差）RMSECV逐漸減小，這意味著冗余特征不斷被刪除。在進行了34次采樣后，RMSECV逐漸增加，這意味影響分類性能的關鍵特征被刪除了。在回歸系數路徑的變化中，每條線代表一個變量，當線條觸及y=0時將其消除，說明關鍵特征被掩蓋。綜合來看，當進行第34次的特征篩選時，RMSECV達到最小值，共選擇了172個關鍵特征，特征變量個數由1600個減小到172個，刪除了絕大部分的冗余特征。

三、SVM分類原理

支持向量機根據數據的特征值，找到其最優超平面將其分為兩種類型。對于在低維空間無法線性可分的數據集，SVM利用核函數將它們變換到高維度的空間，這樣在低緯度線性不可分的數據集在高維度就線性可分了。本文選擇徑向核函數作為SVM的分類核函數。

利用網格搜索法計算這兩個參數，這可以提高分類器的分類性能。為了提高計算效率，使用GPU進行網格搜索。同時，為了避免欠擬合于過擬合現象的發生，將交叉驗證法與正則表達式引入公式中。當交叉驗證法的值最高時，認為此時c和g的取值是最佳的[17]。

四、 SVM分類結果

在SVM分類之前需要劃分訓練集和預測集，訓練集用來建立SVM模型。同時，使用預測集驗證分類效果。本文共包含4個類別，它們的樣本數量分別為：1510個、103個、366個與306個，共2285個樣本。在每個類別中隨機選擇80%的樣本作為訓練集，剩余的20%作為預測集。這樣訓練集共包含1828個樣本，測試集共包含457個樣本。不同的參數組合對SVM的分類影響很大。因此，需要使用參數優化方法對SVM分類效果進行優化[18]。

在網格搜索中，步長為0.1，c和g的范圍均是（2-10， 210）。可以看出當最高交叉驗證準確率達到88.2385%時，獲得最佳參數c為36.7583，最佳參數g為0.047366。通過基于最佳參數建立的SVM模型的預測集分類結果得出，最終統計獲得了85.3392%的分類準確率。