基于聚类和随机参考分类器的对海雷达目标识别算法

摘要：

为了进一步提高复杂干扰环境下对海雷达目标识别的泛化能力,提出基于k-medoids聚类和随机参考分类器(RRC)的动态选择集成算法(KMRRC).主要利用重采样技术生成多个基分类器,然后基于成对多样性度量准则将基分类器划分为多个簇,并基于校验数据集为每个基分类器构建相应的RRC模型,最后利用RRC从各个簇中动态选择竞争力最强的部分基分类器进行集成决策.通过寻优实验确定KMRRC的参数设置,随后利用Java调用Weka API在自建的目标全极化高分辨距离像(HRRP)样本库及17个UCI数据集上进行KMRRC与常用的9种集成算法和基分类算法的对比实验,并进一步研究多样性度量方法的选取对KMRRC性能的影响.实验验证文中算法在对海雷达目标识别领域的有效性.

关键词：k-medoids、随机参考分类器、动态集成选择、目标识别

所属期刊栏目：30

分类号：TN181(真空电子技术)

资助基金：国家自然科学基金项目No. 61401493资助Supported by National Natural Science Foundation of China61401493

在线出版日期：2017-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：983-994