改進的SVM在多類目標識別中的應用研究.pdf

1、水中目標識別分類技術因其在國防軍事中的特殊地位，一直備受海內外學者的關注。本文基于支持向量機(SVM)技術，對水中目標識別分類問題進行了深入的研究。在分析了支持向量機的基本理論、方法的基礎上，構建了結合工程實際的的快速算法，完成了基于支持向量機的三類水中目標識別分類方法，對實測水中目標輻射噪聲進行了特征提取和分類實驗，取得了滿意的效果。本論文的主要研究成果和創(chuàng)新如下： 1、分析了水中目標輻射噪聲的基本特性，包括輻射噪聲源類型、時

2、域特性和譜特性，特別說明了水中目標輻射噪聲具有“三非”特性的特點，即信道傳輸與接收系統多表現為非線性，噪聲信號具有非高斯和非平穩(wěn)性的特點。 2、基于高階統計量理論，分別研究了雙譜和維譜、倒雙譜及其降維譜的理論方法，分析了水中目標輻射噪聲的維譜和倒雙譜的降維譜的特征，構建了三類水中目標輻射噪聲的50維的維譜子帶能量特征和25維的倒雙譜的降維譜的“時域”能量特征。 3、基于小波變換理論，研究了三類水中目標輻射噪聲在5級變換尺

3、度下的特征差異，定義了水中目標輻射噪聲的尺度一能量衰減因子，構建了5維水中目標輻射噪聲的尺度一能量特征。 4、結合大規(guī)模訓練樣本的實際，研究了在訓練時間和內存占用方面都有出色表現的SMO快速訓練算法。在此基礎上，對該算法的緩存策略進行改進，產生了Cache-SMO算法。 5、對比研究了幾種常用的多類分類算法，結合水中目標識別分類的實際情況，構建了基于決策樹方法的SVM分類模型。 6、基于決策樹方法的SVM分類模型