资源描述：
《用于水下目标识别的无监督特征选择算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第39卷第12期舰船科学技术Vol.39,No.122017年12月SHIPSCIENCEANDTECHNOLOGYDec.,2017用于水下目标识别的无监督特征选择算法杨宏晖，李江涛，申昇，姚晓辉(西北工业大学航海学院，陕西西安，710072)摘要:随着社会发展，海洋空间对人类变得愈发重要，对新的水下目标自动识别系统的需求也愈发迫切。在水下目标自动识别系统的构建过程中，提取到的特征含有很多冗余特征、不相关特征和噪声特征，影响系统工作效率，降低了分类识别正确率。为此，本文提出一种新的用于水下目标识别
2、的特征选择算法——基于图学习的无监督特征选择算法（UnsupervisedFeatureSelectionAlgorithmBasedonGraphLearning，UFSGL）。该算法通过同时进行转换矩阵优化和图学习来优化算法框架，并用正则化方法优化加权图中边的光滑度，最后对转换矩阵进行稀疏化从而进行特征选择。使用UCI数据库的sonar数据集对算法性能进行验证，结果证明，UFSGL算法能够有效减少特征子集中的特征个数，并在一定程度上提高分类识别正确率。关键词：无监督；特征选择；图学习；水下目标识
3、别中图分类号：TP391.4文献标识码：A文章编号：1672-7649(2017)12-0091-04doi：10.3404/j.issn.1672-7649.2017.12.019UnsupervisedfeatureselectionalgorithmforunderwatertargetrecognitionYANGHong-hui,LIJiang-tao,SHENSheng,YAOXiao-hui(SchoolofMarineScienceandTechnology,Northwestern
4、PolytechnicalUniversity,Xi'an,710072,China)Abstract:Withthedevelopmentofsociety,marinespacebecomesmoreandmoreimportanttohumanbeings,andthedemandfornewautomaticidentificationsystemforunderwatertargetsisbecomingmoreandmoreurgent.Intheconstruc-tionoftheun
5、derwatertargetautomaticidentificationsystem,theextractedfeaturescontainmanyredundant,irrelevantandnoisefeatures,whichaffecttheefficiencyofthesystemandreducetheaccuracyofclassificationandrecognition.Tothisend,weproposedanewfeatureselectionalgorithmforun
6、derwatertargetrecognition-UnsupervisedFeatureSelectionAl-gorithmBasedonGraphLearning(UFSGL).Thealgorithmframeworkisoptimizedthetransformationmatrixandgraphlearningatthesametime,andusetheregularizationmethodtooptimizethesmoothnessoftheweightededge.Using
7、theson-ardatasetofUCIdatabasetoverifytheperformanceofthealgorithm,theresultsshowthatUFSGLalgorithmcaneffectivelyreducethenumberoffeaturesinfeaturesubsetsandimprovetheaccuracyofclassificationrecognitiontoacertainextent.Keywords:unsupervised；featureselec
8、tion；graphlearning；underwatertargetrecognition0引言根据训练样本集中是否使用了类标，可将特征选择方法分为有监督特征选择方法[1-3]和无监督特征选择在水下目标识别过程中，为了得到更好的分类识方法[4-6]。有监督特征选择方法通过类标的指导来评价别效果，研究人员采用不同方法提取水下目标信号的特征的重要性。无监督特征选择方法由于缺少类标信多域特征。特征数目的增加导致处理这些数据所需的息，则需要挖掘数据内在的结构信息，然后评价特
