两种半监督多类水下目标识别算法的比较

• 作者: 杜方键 杨宏晖
• 来源期刊: 声学技术
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 水声学
• 页码范围: 10-13
• 页数: 4页
• 分类号: TB556
• 字数: 3468字
• 语种: 中文
• DOI: 10.3969/j.issn1000-3630.2014.01.003

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宏晖	西北工业大学航海学院	25	168	8.0	12.0
2	杜方键	西北工业大学航海学院	3	24	3.0	3.0