水声目标识别中的K-D树KNN-SVM分类器研究

• 作者: 朱广平 黄杰
• 来源期刊: 海洋技术学报
• 关键词: 水下目标识别 支持向量机(SVM) K近邻(KNN) K-D树 KNN-SVM联合分类器
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 15-22
• 页数: 8页
• 分类号: TB56
• 语种: 中文
• DOI: 10.3969/j.issn.1003-2029.2018.01.003

摘要

常规的KNN-SVM联合分类器中K-近邻算法没有充分挖掘训练样本的信息,使用遍历的方法来计算待识别样本与训练样本之间的距离,特别是在训练样本巨大时,存在大量的冗余计算.针对该问题,将训练样本训练成K-D树的结构,设计了K-D树KNN-SVM分类器,该分类器可以大大减少这些多余的计算,从而提高了搜索效率,有效缩短了搜索时间.进行了仿真和实验研究,分别设计了KNN、SVM、KNN-SVM分类器对两类水下目标进行了分类识别,并对相关参数的选取进行了优化.实验结果表明:在选定了最佳参数后的KNN-SVM联合分类器较其它两类分类器在识别率和识别效率方面都是最佳的;采用了K-D树结构的KNN-SVM联合分类器中KNN部分识别效率要比常规的高约7.5倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱广平	哈尔滨工程大学水声工程学院	20	105	6.0	9.0
2	黄杰	哈尔滨工程大学水声工程学院	4	12	2.0	3.0