样本不平衡下的海杂波弱目标分类研究

作     者：时艳玲 刘子鹏 贾邦玲 SHI Yanling;LIU Zipeng;JIA Bangling

作者机构：南京邮电大学通信与信息工程学院江苏南京210003 

基　　金：江苏省研究生科研与实践创新计划项目(SJCX19_0249) 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2021年第37卷第9期

页      码：1781-1789页

摘      要：现有的海面弱目标分类算法难以应对单域特征造成特征混叠问题,且存在海杂波和目标样本不平衡的问题。因此,本文研究了一种样本不平衡下的海杂波弱目标分类的方法。首先,从多域提取特征,其中包括从极化域提取球体、双平面和螺旋散射的相对功率特征,从时域提取相对平均幅度特征、和从频域提取非广延熵特征。然后对比分析了海杂波和目标的多域特征之间的区别。由于海杂波特征的样本数目远大于目标样本数目,且海杂波特征具有局部聚集性,为了解决这种样本不平衡以及特征混叠所导致的分类偏差问题,本文设计了一种K均值和支持向量机(SVM)结合的分类器。该分类器主要通过将海杂波样本进行K均值动态聚类,将原本属于一类的海杂波样本分成多类,缓解样本非平衡现象,然后再将多类海杂波样本与目标样本进行SVM分类。经过实测数据验证,该方法具有良好的分类性能。

主 题 词：目标分类 K均值聚类 支持向量机 极化分解 

学科分类：080904[080904] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 081105[081105] 081001[081001] 081002[081002] 0825[工学-环境科学与工程类] 0811[工学-水利类] 

核心收录：

D　O　I：10.16798/j.issn.1003-0530.2021.09.022

馆 藏 号：203105064...