水声目标识别中的K-D树KNN-SVM分类器研究

作     者：黄杰 朱广平 HUANG Jie,ZHU Guang-ping

作者机构：哈尔滨工程大学水声工程学院黑龙江哈尔滨150001 

基　　金：国家自然科学基金资助项目(11204051) 

出 版 物：《海洋技术学报》 (Journal of Ocean Technology)

年 卷 期：2018年第37卷第1期

页      码：15-22页

摘      要：常规的KNN-SVM联合分类器中K-近邻算法没有充分挖掘训练样本的信息,使用遍历的方法来计算待识别样本与训练样本之间的距离,特别是在训练样本巨大时,存在大量的冗余计算。针对该问题,将训练样本训练成K-D树的结构,设计了K-D树KNN-SVM分类器,该分类器可以大大减少这些多余的计算,从而提高了搜索效率,有效缩短了搜索时间。进行了仿真和实验研究,分别设计了KNN、SVM、KNN-SVM分类器对两类水下目标进行了分类识别,并对相关参数的选取进行了优化。实验结果表明:在选定了最佳参数后的KNN-SVM联合分类器较其它两类分类器在识别率和识别效率方面都是最佳的;采用了K-D树结构的KNN-SVM联合分类器中KNN部分识别效率要比常规的高约7.5倍。

主 题 词：水下目标识别 支持向量机(SVM) K近邻(KNN) K-D树 KNN—SVM联合分类器 

学科分类：082403[082403] 08[工学] 0824[工学-林业工程类] 

D　O　I：10.3969/j.issn.1003-2029.2018.01.003

馆 藏 号：203282751...