基于支持向量機和K近鄰的聯(lián)合分類研究.pdf_第1頁
已閱讀1頁，還剩59頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、主動聲納的應用領域隨著科技的快速發(fā)展也逐漸廣泛,水下目標識別作為一項極其關鍵的聲納技術也得到了發(fā)展,然而,相對于其他幾項聲納技術,主動目標識別的發(fā)展仍顯得緩慢。制約它發(fā)展的因素有很多,如何有效的提取目標特征并設計性能良好的分類器是主動目標識別的關鍵問題。
　　 在統(tǒng)計學習理論基礎上發(fā)展起來的支持向量機,在小樣本學習問題中展現(xiàn)出優(yōu)秀的學習性能、很強的適應性以及很高的泛化性。水下目標識別領域獲取實際目標回波的樣本非常困難,樣本數(shù)量非

2、常少,支持向量機是水下目標識別領域理想的分類工具。本文在系統(tǒng)研究了支持向量機基本理論、分類算法以及其分類性能的基礎上發(fā)現(xiàn):SVM在樣本混淆嚴重的分界面附近,容易出錯。K近鄰分類器可充分利用分類面附近的樣本信息,它將每類樣本的所有支持向量作為代表點以提高支持向量機分類面附近樣本的正確分類率,從而提高支持向量機的分類性能。本文深入研究了支持向量機和K近鄰分類器聯(lián)合分類,并將聯(lián)合分類器應用于水下目標識別領域。
　　 本文分別應用小波包

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論