基于SVM决策树的数据链识别分类

• 作者: 杨咪 王安丽 胡正
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 数据链 小波变换 支持向量机 决策树 模式识别
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 系统建模与仿真
• 页码范围: 54-57,63
• 页数: 5页
• 分类号: TP391
• 字数: 3289字
• 语种: 中文
• DOI: 10.7690/bgzdh.2019.12.013

摘要

为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数据链识别分类方法.通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波系数与信号能量分布的关系,根据SVM算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM分类器的关键参数进行优化设计,并与BP神经网络算法进行对比实验仿真.结果表明:SVM决策树网络分类器在进行收敛速度和准确率表现优异,能改善分类识别效能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王安丽	西北工业大学航空学院	13	110	6.0	10.0
2	胡正	西北工业大学航空学院	2	1	1.0	1.0
3	杨咪	西北工业大学航空学院	3	2	1.0	1.0