基于参数优化的支持向量机战场多目标声识别

被引：7

作者：

李京华

张聪颖

倪宁

机构：

[1] 西北工业大学电子信息学院

来源：

探测与控制学报 | 2010年 / 32卷 / 01期

关键词：

支持向量机; 目标声识别; 参数选择; 网格搜索; 分类器;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对网格搜索支持向量机(SVM)参数的方法存在复杂度高、运算量大等不足,提出了一种改进的网格搜索SVM分类器的最佳参数选择算法。将其应用于战场多目标SVM分类器中,对该分类器与KNN分类器和改进BP神经网络分类器进行的分类对比实验表明,改进的网格搜索SVM分类器参数选择算法可以有效地减少SVM分类器的运算量、改进学习性能并提高识别率。

引用

页码：1 / 5

页数：5

共 7 条

[1] 基于RBF核函数的支持向量机参数选择 [J].

林升梁 ;

刘志 .

浙江工业大学学报, 2007, (02) :163-167

[2] 关于支持向量机参数选择方法分析 [J].

王睿 .

重庆师范大学学报(自然科学版), 2007, (02) :36-38+42

[3] 基于支持向量机的低空飞行目标声识别 [J].

陈虎虎 ;

钟方平 ;

许学忠 ;

董明荣 .

系统工程与电子技术, 2005, (01) :46-48

[4]

数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬,田英杰著, 2004

[5]

现代模式识别[M]. 国防科技大学出版社 , 孙即祥等编著, 2002

[6] Choosing Multiple Parameters for Support Vector Machines [J].

Olivier Chapelle ;

Vladimir Vapnik ;

Olivier Bousquet ;

Sayan Mukherjee .

Machine Learning, 2002, 46 :131-159

[7] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

← 1 →