基于支持向量机的多传感器探测目标分类方法

摘要：

针对传感器探测的数据常含有噪声,分类算法易受噪声数据干扰、容错能力差而产生错分问题,研究对多传感器探测目标进行分类的方法.提出容噪最小二乘投影双支持向量机(NLSPTSVM),去除离群点,提高容噪性能；通过定义NLSPTSVM置信度,以样本的最小超球体距为依据,根据“越是上层分类器的分类性能对分类模型的推广性能影响越大”的思想,以置信度NLSPTSVM作为二分类器,将NLSPTSVM的降噪过程提前到生成有向图之前,提出分类精度高、容噪性和容错性强的多分类支持向量机——容噪上层择优多路支持向量机(NUMDAG-SVMs).实验表明,NUMDAG-SVMs与同类算法相比具有更优的分类准确率和更强的容噪性和容错性.采用NUMDAG-SVMs对传感器采集的真实数据进行分类,取得了很好的结果.

关键词：多传感器、目标分类、多分类支持向量机、容噪、容错

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目60903071

在线出版日期：2013-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15-22