利用改进单分类支持向量机提升舰船尾流目标的检测准确率

• 作者: 吴岩 杨廷飞 王成
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 舰船 尾流检测 特征提取 自适应阈值 单分类支持向量机
• 年，卷（期）: 2020,（9）
• 页码范围: 1887-1893
• 页数: 7页
• 分类号: TB566
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2020.09.021

摘要

舰船在航行过程中会在尾部产生一段包含大量气泡的湍流区域,通过对尾流的声学检测可以有效地跟踪船舶.基于一种改进单分类支持向量机(OCSVM)算法,利用无尾流情况下回波信号作为训练集的一个最优分类器,用于尾流回波信号模式判断.对回波信号进行降噪处理,进而提出一种自适应特征提取方法对回波信号进行处理;将特征提取作为输入,使用两层决策边界的双阈值OCSVM算法进行尾流检测.仿真结果表明,与常规OCSVM算法相比,改进算法在不同信噪比下的检测准确率均有提升,检测准确率最高可达96.27％,具有较好的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王成		67	754	17.0	26.0
2	吴岩		1	0	0.0	0.0
3	杨廷飞		1	0	0.0	0.0