共查询到13条相似文献,搜索用时 62 毫秒
1.
提出了一种新的用于水声目标分类的加权免疫克隆样本选择算法(weight Immune Clonal Instance Selection,wI-CISA)。算法利用Adaboost算法给予每个样本一权值,每代中根据样本权值计算抗体亲合度和克隆数,且根据克隆复制、抗体更新(海明距离交叉和加权简化最近邻变异)和克隆选择操作指导种群进化。提取了实测3类水声目标的时域波形结构特征、小波分析特征和听觉谱特征,进行样本选择和分类仿真实验,结果表明:wICISA可以选出有效样本子集,使样本数目减少82%左右,并且支持向量机分类器的正确分类率能提高约2%;wICISA具有较好的收敛性、稳定性,所得优化样本子集具有较好的泛化能力且能明显减少分类的时间。 相似文献
2.
3.
4.
5.
本文研究了基于匹配追踪算法的自 适应时-频分析 和基于判别追踪算法的 特征提取,并构成了一个水声分类系统。对实际水声目标辐射噪声的分类结果表明:该系统能有效提取各类信号在时间-频率联合域的主要可鉴别性特征,具有良好的分类能力,分类正确率超过了80%。 相似文献
6.
针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。 相似文献
7.
为在保证目标识别准确率基础上进行有效特征降维,文章以目标识别准确率为特征选择准则,提出一种支持向量机递归特征消除(Support Vector Machine Recursive Feature Elimination,SVM-RFE)快速筛选出部分优质特征子集与猫群算法(Cat Swarm Algorithm,CSO)迭代寻优结合的特征选择方法,并将该方法应用于水声目标识别的特征选择。实验数据处理结果表明:相比SVM-RFE和CSO特征选择算法,文中提出的方法在平均特征维数降低8%的基础上,平均目标识别率提高了1.88%,能够实现有效降维的目的。该方法对判断特征是否适合用于特定的目标识别也有一定应用价值。 相似文献
8.
9.
1引言 模糊集理论已经在许多领域得到应用。引入模糊集是为了提供一种描述不精确概念的方法,其目的是用来处理广泛存在的不精确的模糊事件。聚类分析是把一个未知类别的模式样本集按照样本间的相似程度分类,相似的归为一类,所以也称为无监督分类或无师分类。硬聚类是硬性规定某一样本属于这一类或另一类。而实际上,我们往往不能绝对地规定一个样本的类别,因为一个样本可能同时属于不同的类。更佳的方法为解释一个样本属于某一类的隶属程度为多少,即所谓的软聚类。软聚类是模糊集理论在聚类方面的一个应用,这类算法如模糊Cap值[… 相似文献
10.
11.
12.
为了克服水声信道的多径衰落,消除码间干扰,获得可靠的数据传输,提出了一种新颖的水声相干通信接收算法。该新型算法有两个优点:一是将自适应判决反馈均衡器和迭代译码技术相结合,二是译码采用Turbo译码原理,整个译码系统可以看作是串联迭代译码器,只是其中的内部译码器被编码比特对数似然率(LLR)计算器所取代,有效地降低了运算复杂度。同时,自适应判决反馈均衡器采用了变步长因子算法,改善了均衡器的收敛速度。仿真实验验证了该组合接收算法的性能 相似文献
13.
针对浅海水声通信面临的复杂干扰环境,提出了一种适用于水声通信系统的认知型时空自适应处理算法。该算法在传统时空自适应阵列处理算法的基础上引入了干扰认知的功能,通过干扰认知处理降低计算量,并且实现干扰样本的选取,确保自适应算法的可靠收敛。利用了协方差矩阵特征分解和多重信号分类(Multiple Signal Classification, MUSIC)估计干扰的个数,辅助选取盲源分离算法中的维度和时空自适应算法中的空域维度,进行算法降维处理。针对采用盲源分离后的各干扰,采用包络检测法提取时域特征,采用短时傅里叶变换(Short-time Fourier Transform, STFT)方法提取时频谱特征,分析干扰特征,实现干扰分类,从而实现干扰样本的选取。通过计算机仿真验证了该认知处理算法的性能。 相似文献