一种改进的BP-Adaboost算法及在雷达多目标分类上的应用

• 作者: 张兴敢 方晖 李蓓
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: Adaboost 雷达高分辨率距离像 多分类 BP神经网络
• 年，卷（期）: 2017,（5）
• 页码范围: 984-989
• 页数: 6页
• 分类号: TN957.52
• 字数: 3571字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2017.05.018

摘要

基于BP-Adaboost的目标分类算法用于雷达目标分类具有良好的效果.随着训练样本以及测试样本数增加,经典“一对多(One vs.Rest,OvR)”BP-Adaboost算法所需用时也随之增加.提出一种改进的多分类BP-Adaboost算法应用在雷达多目标分类上,在提高分类准确率的同时,有效地解决经典算法在多分类上时间开销过大的问题.该方法采用二进制方法重新表示样本数据类别,使用Adaboost算法将多个BP神经网络弱分类器集成起来学习,通过修改经典算法中的损失函数连续调整训练样本分布和弱分类器的权重,最终形成一个强分类器.对雷达高分辨率距离像(High Resolution Range Profile,HRRP)数据集进行分类仿真结果表明,相比于单个BP神经网络基学习器,所提算法的分类准确率提高了5％～10％,相比于经典的“一对多”BP-Adaboost算法,该算法所需用时仅为传统算法的1/2～1/3.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兴敢	南京大学电子科学与工程学院	100	853	16.0	24.0
2	方晖	南京大学电子科学与工程学院	11	38	4.0	5.0
3	李蓓	南京大学电子科学与工程学院	1	5	1.0	1.0