支持向量機在水下目標識別中的應(yīng)用研究.pdf

1、本文的研究方法是利用水下目標的回波特性來作出識別。具體地說，就是由主動聲納向待識別的水下目標發(fā)射信號，并且從回波當中提取出水下目標的有效特征信息，再將特征信息送入分類器進行識別分類。 本論文主要進行了以下工作： 1．綜述了水下目標識別的背景和意義，以及國內(nèi)外對水下目標的探測和識別的方法和研究現(xiàn)狀。 2．特征提取的過程是把采集到的殼體目標和石頭的回波信號變換到不同的特征空間，提取出反映樣本本質(zhì)特征的特征向量，并將特

2、征向量送到分類器中。為了研究不同特征提取方法的性能，本文采用了四種特征提取方法，即小波包能量特征提取、常數(shù)Q濾波子帶能量特征提取、雙譜能量特征提取和主成分分析特征提取。然后對殼體目標和石頭所提取的有效特征，利用K—L變換對其進行可分性判決，以分別判斷四種特征提取方法的有效性。 3．敘述了統(tǒng)計學習理論和支持向量機理論。基于統(tǒng)計學習理論的支持向量機算法具有堅實的數(shù)學理論基礎(chǔ)和嚴格的理論分析，有效地提高了算法泛化能力。而核函數(shù)的成功運

3、用使大多數(shù)不可分的低維空間映射到高維空間后變?yōu)榭煞?，并且有效的消除了維數(shù)災(zāi)難這個缺點。 4．敘述了支持向量機的SMO等三種算法并設(shè)計了三種分類器。 5．運用四種方法分別對吊放目標測量數(shù)據(jù)、掩埋定點測量數(shù)據(jù)和掩埋掃描測量數(shù)據(jù)進行特征提取，再將特征提取結(jié)果送入三種分類器，以比較分類器的識別分類性能。 目前，支持向量機方法的應(yīng)用還在不斷的完善，以便在更廣泛的領(lǐng)域中得到應(yīng)用。本文中支持向量機方法的應(yīng)用及其性能的優(yōu)越性，對