基于BPSO-KNN算法的被动声呐目标分类识别技术研究

• 作者: 朱宗斌 葛辉良 郑佳 陶剑锋
• 来源期刊: 声学技术
• 学科: 工学
• 关键词: 功率谱特征 被动声呐目标分类识别 特征选择 二进制粒子群最近邻算法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信号处理和换能器
• 页码范围: 219-223
• 页数: 5页
• 分类号: TN911.7
• 字数: 4677字
• 语种: 中文
• DOI: 10.16300/j.cnki.1000-3630.2019.02.018

摘要

以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization,BPSO)优化算法和k最近邻(k-Nearest Neighbor,KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别.结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度.该算法在被动声呐目标分类识别方面有参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶剑锋	中国船舶重工集团公司第七一五研究所	7	35	4.0	5.0
2	郑佳	中国船舶重工集团公司第七一五研究所	2	0	0.0	0.0
3	葛辉良	中国船舶重工集团公司第七一五研究所	3	1	1.0	1.0
4	朱宗斌	中国船舶重工集团公司第七一五研究所	1	0	0.0	0.0