-
公开(公告)号：CN111709299B
公开(公告)日：2022-04-22
申请号：CN202010427316.4
申请日：2020-05-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于加权支持向量机的水声目标识别方法，所述方法包括分帧预处理、特征提取、搭建加权支持向量机识别模型、利用网格搜索法寻找最优核函数参数及惩罚因子、加权支持向量机识别模型进行训练、通过混淆矩阵反映分类器对水声目标的识别结果和统计分类器的识别正确率步骤。本发明针对水声目标特性，选取合适的特征提取方法，具备自主挑选模型参数的能力，对水声目标的正确识别率在80％以上，分类器的稳定性高于现有分类方法。
-
公开(公告)号：CN111709299A
公开(公告)日：2020-09-25
申请号：CN202010427316.4
申请日：2020-05-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于加权支持向量机的水声目标识别方法，所述方法包括分帧预处理、特征提取、搭建加权支持向量机识别模型、利用网格搜索法寻找最优核函数参数及惩罚因子、加权支持向量机识别模型进行训练、通过混淆矩阵反映分类器对水声目标的识别结果和统计分类器的识别正确率步骤。本发明针对水声目标特性，选取合适的特征提取方法，具备自主挑选模型参数的能力，对水声目标的正确识别率在80％以上，分类器的稳定性高于现有分类方法。
-
公开(公告)号：CN111553207B
公开(公告)日：2022-09-06
申请号：CN202010290195.3
申请日：2020-04-14
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于统计分布的舰船辐射噪声特征重组方法，根据舰船辐射噪声特性，分别对有限长原始噪声信号进行11/2维谱分析、LOFAR谱分析和DEMON谱分析，并利用统计分析方法获取舰船辐射噪声谱图中线谱及调制谱的概率分布特征。为了降低特征信息冗余，再通过主成分分析法降低特征样本维度构建综合特征样本，最后输入到识别分类器进行训练、识别，实现对舰船辐射噪声的分类。本发明识别效果明显高于单一谱分析特征提取方法，特别是样本数目越多识别正确率越高；能够有效地解决在未知、复杂环境下舰船特征不明显的问题，降低目标错误识别概率；且不仅提高综合特征的识别效率并且算法模型也较为简单。
-
公开(公告)号：CN111553207A
公开(公告)日：2020-08-18
申请号：CN202010290195.3
申请日：2020-04-14
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于统计分布的舰船辐射噪声特征重组方法，根据舰船辐射噪声特性，分别对有限长原始噪声信号进行1 1/2维谱分析、LOFAR谱分析和DEMON谱分析，并利用统计分析方法获取舰船辐射噪声谱图中线谱及调制谱的概率分布特征。为了降低特征信息冗余，再通过主成分分析法降低特征样本维度构建综合特征样本，最后输入到识别分类器进行训练、识别，实现对舰船辐射噪声的分类。本发明识别效果明显高于单一谱分析特征提取方法，特别是样本数目越多识别正确率越高；能够有效地解决在未知、复杂环境下舰船特征不明显的问题，降低目标错误识别概率；且不仅提高综合特征的识别效率并且算法模型也较为简单。
-
-
-
Search Results
4
records
(took 0.028 seconds)
