近邻样本分布加权SVM及在桨叶数识别中的应用
采用基于近邻样本分布加权支持向量机算法实现了对船舶螺旋桨桨叶数的分类识别.本文针对常用的支持向量机样本加权方法在水声目标识别分类中应用存在的不足,根据水声目标识别样本逐步积累采集而形成的样本分布不均匀、样本之间存在重叠的特点,提出了一种基于近邻样本分布的支持向量机样本加权方法,并应用于利用船舶目标辐射噪声DEMON谱进行船舶桨叶数分类识别的实验.实验结果表明,该改进方法的分类性能优于标准支持向量机算法、类别加权的支持向量机算法,是一种适合于利用船舶辐射噪声DENOM谱进行舰船螺旋桨桨叶数分类识别的有效的加权支持向量机方法。
水声目标识别 船舶桨叶数 辐射噪声 支持向量机 近邻样本分布加权
戴卫国 张宗堂 刘启军
海军潜艇学院,青岛,266071
国内会议
武汉
中文
360-363
2015-06-05（万方平台首次上网日期，不代表论文的发表时间）