基于支持向量機和K近鄰的聯(lián)合分類研究.pdf

1、主動聲納的應(yīng)用領(lǐng)域隨著科技的快速發(fā)展也逐漸廣泛,水下目標(biāo)識別作為一項極其關(guān)鍵的聲納技術(shù)也得到了發(fā)展,然而,相對于其他幾項聲納技術(shù),主動目標(biāo)識別的發(fā)展仍顯得緩慢。制約它發(fā)展的因素有很多,如何有效的提取目標(biāo)特征并設(shè)計性能良好的分類器是主動目標(biāo)識別的關(guān)鍵問題。
　　 在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的支持向量機,在小樣本學(xué)習(xí)問題中展現(xiàn)出優(yōu)秀的學(xué)習(xí)性能、很強的適應(yīng)性以及很高的泛化性。水下目標(biāo)識別領(lǐng)域獲取實際目標(biāo)回波的樣本非常困難,樣本數(shù)量非

2、常少,支持向量機是水下目標(biāo)識別領(lǐng)域理想的分類工具。本文在系統(tǒng)研究了支持向量機基本理論、分類算法以及其分類性能的基礎(chǔ)上發(fā)現(xiàn):SVM在樣本混淆嚴(yán)重的分界面附近,容易出錯。K近鄰分類器可充分利用分類面附近的樣本信息,它將每類樣本的所有支持向量作為代表點以提高支持向量機分類面附近樣本的正確分類率,從而提高支持向量機的分類性能。本文深入研究了支持向量機和K近鄰分類器聯(lián)合分類,并將聯(lián)合分類器應(yīng)用于水下目標(biāo)識別領(lǐng)域。
　　 本文分別應(yīng)用小波包