基于Direct算法抽样和支持向量机的结构可靠性分析方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于Direct算法抽样和支持向量机的结构可靠性分析方法。群智能优化算法、Monte Carlo方法、拟蒙特卡洛方法抽样所产生的样本有较高的随机性或仅要求样本的均匀分布,不一定是高效的样本构造方式。本发明取三者之优点,以Direct优化算法构造候选样本,设置优化目标函数,筛选重要样本形成训练集。采用支持向量回归近似功能函数,以内积核函数代替向高维空间的非线性映射,增强响应面方法的非线性适应性,在此基础上进行蒙特卡罗模拟,作结构可靠性分析。本发明在结构可靠性分析中通用性强,能适应各类非线性问题,扩展了支持向量机这种高效、易实现的回归方法在结构可靠性分析领域的适用范围。
《基于Direct算法抽样和支持向量机的结构可靠性分析方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022109159573,当前法律状态为已下证,由暨南大学提出申请,发明人为赵卫;梁碧蓝;范宁;欧妍君,申请日期为2022-08-01,公开(公告)日期为2026-03-17,国际专利分类号(IPC)为 G06F 30/27 (2020.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于Direct算法抽样和支持向量机的结构可靠性分析方法。群智能优化算法、Monte Carlo方法、拟蒙特卡洛方法抽样所产生的样本有较高的随机性或仅要求样本的均匀分布,不一定是高效的样本构造方式。本发明取三者之优点,以Direct优化算法构造候选样本,设置优化目标函数,筛选重要样本形成训练集。采用支持向量回归近似功能函数,以内积核函数代替向高维空间的非线性映射,增强响应面方法的非线性适应性,在此基础上进行蒙特卡罗模拟,作结构可靠性分析。本发明在结构可靠性分析中通用性强,能适应各类非线性问题,扩展了支持向量机这种高效、易实现的回归方法在结构可靠性分析领域的适用范围。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
