支持向量機(jī)在海底底質(zhì)分類中的應(yīng)用研究.pdf

1、海底底質(zhì)分類研究在軍用和民用上有著非常廣闊的應(yīng)用前景和意義，因此對大陸架及深海海底的底質(zhì)類型進(jìn)行研究一直是一個經(jīng)典、熱點(diǎn)課題，也是我國新一輪國土資源大調(diào)查的重要內(nèi)容之一。本文將支持向量機(jī)(SVM)引入海底底質(zhì)分類研究中，以期取得良好的效果。 傳統(tǒng)的海底取樣方法已逐漸被間接探測方法作取代。在各種間接探測方法中，聲學(xué)方法遙測海底沉積物類型，具有工作高效、經(jīng)濟(jì)，取得資料連續(xù)、豐富的特點(diǎn)，結(jié)合一定的傳統(tǒng)取樣，為海底沉積物分類提供了一種迅

2、速而可靠的方法。本文就是提取聲學(xué)參數(shù)特征作為分類依據(jù)的。 本文將支持向量機(jī)、經(jīng)驗(yàn)?zāi)B(tài)分解方法和AR模型相結(jié)合應(yīng)用于海底底質(zhì)分類中。支持向量機(jī)能夠較好地解決小樣本學(xué)習(xí)問題，其目標(biāo)是得到現(xiàn)有信息下的最優(yōu)解而不僅僅是樣本數(shù)趨于無窮大時的最優(yōu)值。對于樣本集線性不可分的情況，通過事先確定的非線性映射將輸入向量映射到一個高維特征空間，然后在此高維空間中構(gòu)建最優(yōu)超平面。具體反映在支持向量機(jī)選用的核函數(shù)，它能夠避免在高維特征空間中進(jìn)行復(fù)雜的運(yùn)算

3、。本文給出了線性支持向量機(jī)分類的幾何模型，并對C-SVM和μ-SVM兩種支持向量機(jī)分類方法進(jìn)行了理論分析，同時對常用的幾種支持向量機(jī)分類算法進(jìn)行討論。在海底底質(zhì)回波信號分類實(shí)驗(yàn)中，本文首先對信號進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，將其分解為多個固有模態(tài)函數(shù)之和，然后對每個IMF分量建立AR模型，最后提取模型的自回歸參數(shù)作為分類特征向量，并以此作為SVM分類器的輸入?yún)?shù)。實(shí)驗(yàn)結(jié)果表明回波信號的高頻分量中含有大量的有效信息，該方法在小樣本情況下仍能準(zhǔn)確的對海