一种有效降维的特征选择方法及其在水声目标识别中的应用

• 作者: 郭政 赵梅 胡长青
• 来源期刊: 声学技术
• 学科: 工学
• 关键词: 特征选择 水声目标识别 支持向量机 递归特征消除 猫群算法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 水声学
• 页码范围: 14-20
• 页数: 7页
• 分类号: TN911.7
• 语种: 中文

摘要

为在保证目标识别准确率基础上进行有效特征降维,文章以目标识别准确率为特征选择准则,提出一种支持向量机递归特征消除(Support Vector Machine Recursive Feature Elimination,SVM-RFE)快速筛选出部分优质特征子集与猫群算法(Cat Swarm Algorithm,CSO)迭代寻优结合的特征选择方法,并将该方法应用于水声目标识别的特征选择.实验数据处理结果表明:相比SVM-RFE和CSO特征选择算法,文中提出的方法在平均特征维数降低8％的基础上,平均目标识别率提高了1.88％,能够实现有效降维的目的.该方法对判断特征是否适合用于特定的目标识别也有一定应用价值.