水下目标识别的特征融合分类器设计

水下目标识别的特征融合分类器设计

ID:34511868

大小:113.13 KB

页数:4页

时间:2019-03-07

水下目标识别的特征融合分类器设计_第1页
水下目标识别的特征融合分类器设计_第2页
水下目标识别的特征融合分类器设计_第3页
水下目标识别的特征融合分类器设计_第4页
资源描述:

《水下目标识别的特征融合分类器设计》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第4期电子学报Vol.29No.42001年4月ACTAELECTRONICASINICAApril2001水下目标识别的特征融合分类器设计1123侯平魁,史习智,林良骥,王学军(11上海交通大学振动、冲击、噪声国家重点实验室,上海200030;21大连测控技术研究所,大连116013;31上海大众汽车有限公司,上海201805)摘要:本文对水下目标识别中的特征融合技术进行了研究,讨论了特征融合技术中的问题和解决途径,并给出了特征融合分类器的特性;设计了模糊融合分类器,给出了具体的算法.该分类器对样本在模式空间中的分布不做任何假定,注重

2、类别间的相互约束,强调各个模式的独立作用,用类似于模糊并运算的方式综合这些作用.在实际应用中,通过与已有的分类器比较,表明模糊融合分类器能够综合多种信号特征,有效地提高了分类性能.关键词:特征融合;目标识别;水下目标;分类器中图分类号:TN911文献标识码:A文章编号:037222112(2001)0420443204DesignofFeatureFusionClassifierforUnderwaterTargetsRecognition1123HOUPing2kui,SHIXi2zhi,LINLiang2ji,WANGXue2jun

3、(11StateKeyLab.ofVibration,Shock&Noise,ShanghaiJiaotongUniversity,Shanghai200030,China;21DalianTest&ControlTechnologyInstitute,Dalian116013,China;31ShanghaiVolkswagenAutomotiveCompanyLtd.,Shanghai201805,China)Abstract:Thispaperdiscussesfeaturefusiontechniqueinunderwatert

4、argetrecognitionandproposesthemethoddealingwiththeproblemencountered.Then,fuzzyfusionclassifier(FFC)wasdesignedbasedonthisconcept.FFCdoesnotmakeanyassumptionaboutsamples’distributioninpatternspace,butemphasizesmutualrestraintsamongclassesandtheindependentroleofeachpatter

5、nandsynthesizesthoserolebyoperationlikecombinationinfuzzylogic.Inpractice,FFCcanefficientlyimproveclassificationperfor2manceofrecognitionsystembysynthesizingfeaturesfrommultisensors.Keywords:featurefusion;targetrecognition;underwatertarget;classifier1引言征融合技术.这种特征融合实质上是在特

6、征层次上的联合模[5]信息融合(InformationFusion,IF)技术出现在70年代末式识别,其方法也是采用模式识别的相应技术.然而,在这期,早期研究主要是基于应用背景.随着研究的深入和应用领种条件下,模式识别的复杂性大大增加了,这就需要一些新的域的扩大,信息融合技术已成功地应用于军事和民用领域的技术和观点.诸多方面.信息融合是与多传感器系统相适应的横向信息综2特征融合分类器合处理技术,其任务是把各个传感器在空间或时间上冗余或211特征融合技术中的问题及解决途径互补的数据,依据某种准则进行组合,以获得对被测对象的一在设计特征融合

7、分类器时,应当采用模式识别的相应技致性描述或理解,使该系统比组成它的各个子系统具有更优术.FrancesB.Shin等人从七个广义传感器中选择了一千五百[1][2,3]越的性能.R.Mason将传感器拓展为广义传感器—真实多个特征,在特征优化的基础上比较了几种分类器的性能.他的传感器或声纳在不同时段、频段或处理机制下获取的信号,们的工作表明,特征融合技术的确可以有效地改善识别性能,从概念上确立了数据融合在水下目标识别中的地位,为应用然而其技术却相当复杂.这种复杂性主要表现在特征优化上.数据融合解决水下目标识别的实际课题铺平了道路.一方面

8、,特征优化的效果对分类器性能影响较大,必须获取少[4]FrancesB.Shin等人指出,特定的变换算法通过原始信数有效的独立特征,冗余特征的存在将降低分类器性能.另一号到特定空间的投影可以实现对某些干扰的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。