粒子群优化的SVM在雷达目标识别中的应用

• 作者: 李辉 赵东波
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 高分辨率距离像(HRRP) 支持向量机(SVM) 粒子群算法(PSO) 自适应
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 应用技术
• 页码范围: 141-145
• 页数: 5页
• 分类号: TN957.52
• 字数: 4828字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.10.034

摘要

支持向量机(SVM)在雷达目标高分辨距离像(HRRP)识别中可获得较高的正确识别率和更好的泛化性能,然而其性能很大程度上取决于其参数包括核函数参数σ-2和惩罚因子C的合理选择.所以利用粒子群优化算法(PSO)全局搜索能力强的优点来搜寻最优参数,并针对粒子群优化易陷入局部最优的问题,提出一种惯性权重自适应改变的改进方法.通过对雷达目标高分辨率距离像(HRRP)的识别实验发现,利用PSO优化SVM参数的方法克服了传统SVM存在的很难精确找到最优参数的缺点,识别准确率也有很大提高;同时惯性权重自适应改变的方法也有效解决了PSO优化的“早熟”问题,大大缩短参数寻优时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	西北工业大学电子信息学院	173	1257	17.0	28.0
2	赵东波	西安航空学院电子工程学院	8	14	2.0	3.0