基于支持向量機(jī)和K近鄰的聯(lián)合分類研究.pdf

1、主動(dòng)聲納的應(yīng)用領(lǐng)域隨著科技的快速發(fā)展也逐漸廣泛,水下目標(biāo)識(shí)別作為一項(xiàng)極其關(guān)鍵的聲納技術(shù)也得到了發(fā)展,然而,相對(duì)于其他幾項(xiàng)聲納技術(shù),主動(dòng)目標(biāo)識(shí)別的發(fā)展仍顯得緩慢。制約它發(fā)展的因素有很多,如何有效的提取目標(biāo)特征并設(shè)計(jì)性能良好的分類器是主動(dòng)目標(biāo)識(shí)別的關(guān)鍵問(wèn)題。
　　 在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來(lái)的支持向量機(jī),在小樣本學(xué)習(xí)問(wèn)題中展現(xiàn)出優(yōu)秀的學(xué)習(xí)性能、很強(qiáng)的適應(yīng)性以及很高的泛化性。水下目標(biāo)識(shí)別領(lǐng)域獲取實(shí)際目標(biāo)回波的樣本非常困難,樣本數(shù)量非

2、常少,支持向量機(jī)是水下目標(biāo)識(shí)別領(lǐng)域理想的分類工具。本文在系統(tǒng)研究了支持向量機(jī)基本理論、分類算法以及其分類性能的基礎(chǔ)上發(fā)現(xiàn):SVM在樣本混淆嚴(yán)重的分界面附近,容易出錯(cuò)。K近鄰分類器可充分利用分類面附近的樣本信息,它將每類樣本的所有支持向量作為代表點(diǎn)以提高支持向量機(jī)分類面附近樣本的正確分類率,從而提高支持向量機(jī)的分類性能。本文深入研究了支持向量機(jī)和K近鄰分類器聯(lián)合分類,并將聯(lián)合分類器應(yīng)用于水下目標(biāo)識(shí)別領(lǐng)域。
　　 本文分別應(yīng)用小波包