基于EK-NN的水声目标识别算法研究

• 作者: 侯宏 张扬 杨建华
• 来源期刊: 声学技术
• 学科: 工学
• 关键词: 水声目标识别 证据理论 证据K类近邻算法(EK-NN) 特征向量 组合规则
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 水声学
• 页码范围: 15-19
• 页数: 5页
• 分类号: TP391.4
• 字数: 4030字
• 语种: 中文
• DOI: 10.16300/j.cnki.1000-3630.2016.01.004

摘要

针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN).首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数.然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性.根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯宏	西北工业大学航海学院	83	479	12.0	18.0
2	杨建华	西北工业大学自动化学院	119	807	14.0	22.0
3	张扬	西北工业大学自动化学院	22	63	4.0	6.0