基于SVDD集成的水下目标识别算法研究

• 作者: 张志正 张永峰 杜方键 田明 郭小飞
• 来源期刊: 电声技术
• 学科: 工学
• 关键词: SVDD 分类器 Bagging 集成
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 器件与应用
• 页码范围: 39-43
• 页数: 5页
• 分类号: TB556
• 字数: 2450字
• 语种: 中文
• DOI: 10.16311/j.audioe.2019.08.011

摘要

针对基于距离测度的SVDD单类分类器误判率较高的缺点,开展基于支持向量数据描述的单类分类器集成学习算法研究,并对基于支持向量数据描述的多类分类过程进行分析.本文利用Bagging算法对SVDD单类分类器进行集成,利用4类实测水下目标样本进行识别实验,实验结果表明所提出的算法能够有效提升不易区分两类样本的分类能力,分类正确识别率能够提高4.98个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜方键	中国电子科技集团公司第二十七研究所	1	0	0.0	0.0
5	张永峰	中国电子科技集团公司第二十七研究所	5	4	1.0	2.0
9	张志正	中国电子科技集团公司第二十七研究所	3	0	0.0	0.0
13	郭小飞	中国电子科技集团公司第二十七研究所	1	0	0.0	0.0