|
|||||
|
|
| 水声目标识别中的K-D树KNN-SVM分类器研究 | |
| 引用本文： | 黄杰,朱广平.水声目标识别中的K-D树KNN-SVM分类器研究[J].海洋技术,2018(1). |
| 作者姓名： | 黄杰 朱广平 |
| 作者单位： | 哈尔滨工程大学水声工程学院; |
| 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。 |
| 本文献已被 CNKI 等数据库收录！ | |