声学技术
聲學技術
성학기술
Technical Acousitics
2014年
1期
10-13
,共4页
半监督%水下目标识别%类别测试样本%支持向量数据描述%分类器集成
半鑑督%水下目標識彆%類彆測試樣本%支持嚮量數據描述%分類器集成
반감독%수하목표식별%유별측시양본%지지향량수거묘술%분류기집성
semi-supervised%underwater target recognition%class test samples%Support Vector Data Description (SVDD)%classifier ensemble
基于半监督学习理论的水下目标识别系统能够从未知类别测试集中识别出已学习类别测试样本,并拒判未学习类别测试样本.描述并讨论了两种基于支持向量数据描述(Support Vector Data Description,SVDD)的半监督水下目标识别算法:半监督SVDD与半监督SVDD集成.利用四类实测水下目标样本进行实验,训练样本为三类已知类别样本,测试样本为四类样本,包含一类未学习类别样本.对两种算法实验结果进行比较,表明半监督SVDD集成算法比半监督SVDD算法能更好地识别已学习类别测试样本,并能有效拒判未学习类别测试样本,不足之处为时间消耗与过程复杂程度比半监督SVDD算法高.
基于半鑑督學習理論的水下目標識彆繫統能夠從未知類彆測試集中識彆齣已學習類彆測試樣本,併拒判未學習類彆測試樣本.描述併討論瞭兩種基于支持嚮量數據描述(Support Vector Data Description,SVDD)的半鑑督水下目標識彆算法:半鑑督SVDD與半鑑督SVDD集成.利用四類實測水下目標樣本進行實驗,訓練樣本為三類已知類彆樣本,測試樣本為四類樣本,包含一類未學習類彆樣本.對兩種算法實驗結果進行比較,錶明半鑑督SVDD集成算法比半鑑督SVDD算法能更好地識彆已學習類彆測試樣本,併能有效拒判未學習類彆測試樣本,不足之處為時間消耗與過程複雜程度比半鑑督SVDD算法高.
기우반감독학습이론적수하목표식별계통능구종미지유별측시집중식별출이학습유별측시양본,병거판미학습유별측시양본.묘술병토론료량충기우지지향량수거묘술(Support Vector Data Description,SVDD)적반감독수하목표식별산법:반감독SVDD여반감독SVDD집성.이용사류실측수하목표양본진행실험,훈련양본위삼류이지유별양본,측시양본위사류양본,포함일류미학습유별양본.대량충산법실험결과진행비교,표명반감독SVDD집성산법비반감독SVDD산법능경호지식별이학습유별측시양본,병능유효거판미학습유별측시양본,불족지처위시간소모여과정복잡정도비반감독SVDD산법고.
