基于支持向量機的水中目標(biāo)識別技術(shù)研究.pdf

1、統(tǒng)計學(xué)習(xí)理論是由Vapnik等人提出的一種小樣本統(tǒng)計理論，為研究小樣本情況下的統(tǒng)計模式識別和更為廣泛的機器學(xué)習(xí)問題建立了一個較好的理論框架。在這一理論基礎(chǔ)上發(fā)展起來的新型模式識別方法——支持向量機(SVM)能夠較好地解決小樣本情況下的模式識別問題。本文根據(jù)水中目標(biāo)識別的發(fā)展現(xiàn)狀以及存在的問題，深入地研究了基于支持向量機的水中目標(biāo)識別技術(shù)理論，并對實測水中目標(biāo)進行了分類試驗，從理論和應(yīng)用兩方面取得了一定的成果。論文的主要研究內(nèi)容和創(chuàng)新如下

2、： 1.分析了艦船輻射噪聲的基本特性，包括艦船輻射噪聲源類型、譜特性；研究了基于高階統(tǒng)計量與小波變換的艦船輻射噪聲特征。 2.研究了基于艦船輻射噪聲的11/2維譜、21/2維譜以及小波變換的特征構(gòu)建方法；構(gòu)建出艦船輻射噪聲11/2維譜、21/2維譜子帶分布特征以及小波域的尺度—能量特征，并在這些特征的基礎(chǔ)上構(gòu)建出艦船輻射噪聲綜合特征向量。 3.在分析特征優(yōu)化方法的基礎(chǔ)上，提出采用K-L變換的方法對艦船輻射噪聲綜合

3、特征向量進行特征優(yōu)化。試驗結(jié)果表明：優(yōu)化后的特征向量可以有效的增強類內(nèi)緊密性和類間可分性。 4.開展了基于支持向量機的水中目標(biāo)分類識別算法研究；提出了針對于三類水中目標(biāo)的支持向量機分類識別算法；對實際艦船目標(biāo)進行分類試驗并取得了較好的識別效果。 5.研究了支持向量機的改進算法—最小二乘支持向量機，以解決傳統(tǒng)二次規(guī)劃支持向量機訓(xùn)練速度慢、算法復(fù)雜等問題；提出了基于最小二乘支持向量機的三類水中目標(biāo)分類識別算法，通過試驗驗證了