两种SVM集成水下目标识别方法的比较

• 作者: 张志正 张永峰 杜方键
• 来源期刊: 电声技术
• 学科: 工学
• 关键词: 水下目标识别 测试样本 支持向量机 分类器集成
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 水声工程
• 页码范围: 33-36
• 页数: 4页
• 分类号: TB556
• 语种: 中文
• DOI: 10.16311/j.audioe.2020.08.009

摘要

分类器集成可有效提高分类器的识别精度和稳定性.采用Bagging算法对SVM分类器进行集成,描述并讨论了B-SVM与CB-SVM两种基于SVM集成的水下目标识别算法,并利用4类实测水下目标样本进行识别实验.实验结果表明:在一定范围内,CB-SVM算法比B-SVM算法能更好地识别测试样本,识别正确率最多提高1.56％;随着抽样数的增加,训练样本集差异性减弱并引入大量无用样本,导致分类器性能下降,同时削弱了CB-SVM算法的优势.