微型电脑应用
微型電腦應用
미형전뇌응용
MICROCOMPUTER APPLICATIONS
2008年
7期
6-9
,共4页
ZOU Yi%姚莉秀%ZHOU Yue
ZOU Yi%姚莉秀%ZHOU Yue
ZOU Yi%요리수%ZHOU Yue
非线性降维%D-S证据理论%融合%水下目标
非線性降維%D-S證據理論%融閤%水下目標
비선성강유%D-S증거이론%융합%수하목표
针对以传统的谱图和模型参数等方法提取得到的水下目标特征高维数据,文章提出了LPP的非线性降维方法,有效的去除特征向量各分量间的相关性,增大了特征向量的可分性,降低了后期识别的计算复杂度.同时设计了:DS-SVM融合决策分类器对获得的低维特征向量进行分类识别.与传统的SVM算法的分类识别效果进行比较分析,所得结果表明该方法有效的提高了水下目标识别的准确性,是一种行之有效的方法.
針對以傳統的譜圖和模型參數等方法提取得到的水下目標特徵高維數據,文章提齣瞭LPP的非線性降維方法,有效的去除特徵嚮量各分量間的相關性,增大瞭特徵嚮量的可分性,降低瞭後期識彆的計算複雜度.同時設計瞭:DS-SVM融閤決策分類器對穫得的低維特徵嚮量進行分類識彆.與傳統的SVM算法的分類識彆效果進行比較分析,所得結果錶明該方法有效的提高瞭水下目標識彆的準確性,是一種行之有效的方法.
침대이전통적보도화모형삼수등방법제취득도적수하목표특정고유수거,문장제출료LPP적비선성강유방법,유효적거제특정향량각분량간적상관성,증대료특정향량적가분성,강저료후기식별적계산복잡도.동시설계료:DS-SVM융합결책분류기대획득적저유특정향량진행분류식별.여전통적SVM산법적분류식별효과진행비교분석,소득결과표명해방법유효적제고료수하목표식별적준학성,시일충행지유효적방법.
