用于水声目标识别的自适应遗传样本选择算法

• 作者: 孙进才 戴健 杨宏晖 王芸
• 来源期刊: 声学技术
• 学科: 工学
• 关键词: 自适应遗传样本选择 水声目标识别 样本选择 分类识别
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 信号处理及换能器
• 页码范围: 332-335
• 页数: 4页
• 分类号: TP312
• 字数: 2271字
• 语种: 中文
• DOI: 10.3969/j.issn1000-3630.2013.04.015

摘要

针对训练样本集中含有噪声样本、冗余样本以及无关样本，导致分类系统分类性能下降、不稳定的水声目标识别问题，提出了一种新的自适应遗传样本选择算法(Adaptive Genetic Instance Selection Algorithm, AGISA)。算法先随机生成初始种群，接着利用设计的遗传算子(跨代选择、自适应交叉和简化最近邻变异)指导种群进化，每代中对分类贡献大且选择样本数目少的个体适应度值高。提取了实测3类水声目标的多域特征，进行样本选择和分类识别仿真实验，结果表明：AGISA可以选出有效样本子集，在样本维数下降约73%的情况下，支持向量机分类器的正确分类率能提高约2.5%；并且AGISA具有较好的收敛性、稳定性，所得优化样本子集具有较好泛化能力且能明显减少分类的时间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙进才	西北工业大学航海学院	136	1277	20.0	26.0
2	戴健	西北工业大学航海学院	7	48	3.0	6.0
3	杨宏晖	西北工业大学航海学院	25	168	8.0	12.0
4	王芸	西北工业大学航海学院	5	32	3.0	5.0