基于自动机器学习流程优化的雷达辐射源信号识别

• 作者: 涂同珩 金炜东
• 来源期刊: 计算机应用研究
• 关键词: 自动机器学习 超参数优化 遗传编程 雷达辐射源信号 支持向量机
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 网络与通信技术
• 页码范围: 191-193
• 页数: 3页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.07.0686

摘要

针对雷达辐射源信号识别课题中复杂的参数配置问题,从机器学习参数优化的研究入手,提出了一种基于树结构的机器学习流程优化方法.该方法利用遗传编程生成基于树结构的机器学习流程,并对其结构和参数进行进化,得到表现最佳的带参数的机器学习流程.该流程可以包括特征处理和建模的任意组合,实现对原始数据集的学习和识别.与人工参数配制的一对一支持向量机在两种不同维度的雷达信号特征集上进行对比识别,相比之下,该方法无须繁琐的参数配置,准确率提高超过6％,证明该方法得到的基于树结构的机器学习流程有着明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金炜东	西南交通大学电气工程学院	295	3889	30.0	49.0
2	涂同珩	西南交通大学电气工程学院	1	2	1.0	1.0