-
题名基于支持向量机的水声信号多分类器设计
被引量：3
- 1
-
-
作者
刘深
-
机构
昆明船舶设备研究试验中心
-
出处
《电子设计工程》
2014年第21期59-62,共4页
-
文摘
目标分类器是水下目标自动识别系统的重要组成部分,目前水下目标分类的方法主要有统计分类、神经网络和专家系统等三大类的分类方法。支持向量机(SVM,Support Vector Machine)是根据统计理论提出的一种新的算法,该算法具有良好的泛化性能,不仅对训练样本的分类性能较好,对未知的检验样本同样具有好的分类效果,特别适用于小样本数据的分类。本文将该算法推广至多分类情况,并对三类水声信号样本进行分类试验。实验结果表明,该算法可以有效的避免"维数灾难"问题,且分类正确率高于传统的神经网络分类器。
-
关键词
支持向量机
多分类器设计
神经网络
水声信号
-
Keywords
SVM
multiple classifier design
neural network
underwater acoustic signa
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名一种基于雷达高分辨距离像的空天时敏目标识别方法
被引量：2
- 2
-
-
作者
邱祥风
霍凯
张新禹
姜卫东
-
机构
国防科技大学电子科学学院
-
出处
《航空兵器》
CSCD
北大核心
2022年第2期13-18,共6页
-
文摘
针对空天时敏目标识别问题,提出了一种新的针对雷达高分辨距离像(HRRP)的序贯特征提取方法,并设计了一种基于决策树和支持矢量描述(SVDD)方法的多分类器。该方法首先基于时序HRRP估计目标的径向尺寸,利用序贯脉冲积累对尺寸估计结果进行滑窗处理,获取各个窗内径向尺寸的均值、极差、中值以及结尾均值四种统计特征;然后,将得到的四种特征进行拼接,从而获取更加鲁棒的高维特征;最后,使用基于决策树的多分类SVDD方法(Multi-SVDD-DT)对获取的高维特征进行分类。四类飞机的测量数据实验表明,本文所提方法可以提取出目标的稳健特征,能够有效完成空天时敏目标的识别任务。
-
关键词
时敏目标
高分辨距离像
径向尺寸估计
多分类器设计
决策树
目标识别
雷达
-
Keywords
time-sensitive target
high resolution one-dimensional range profile
radical size estimation
multi-classifier design
decision tree
target recognition
radar
-
分类号
TJ760
[兵器科学与技术—武器系统与运用工程]
TN958
[电子电信—信号与信息处理]
-
