基于流形学习的单类分类算法及其在不均衡声目标识别中的应用

被引：7

作者：

管鲁阳

鲍明

张鹏

李晓东

机构：

[1] 中国科学院声学研究所

来源：

声学学报(中文版) | 2009年 / 34卷 / 01期

关键词：

单类分类; 帧信号; 混叠; 流形学习; 短时谱; 声目标识别; 算法;

D O I：

10.15949/j.cnki.0371-0025.2009.01.008

中图分类号：

O421 [声的原理];

学科分类号：

摘要：

针对数据不均衡条件下的目标识别性能下降问题,首先讨论了目标声信号所包含低维流形的特点,在此基础上设计了基于流形学习的单类分类算法,通过比较测试样本与正类样本在流形上的符合程度判决其是否属于正类。将此分类算法应用于包含不均衡数据的声目标识别,三组不同环境和识别目标的实验数据集测试结果显示该算法可以有效地从多种目标中识别特定类别目标,与其他单类分类算法相比,提高数据不均衡条件下的识别性能,并对样本的混叠分布具有较好的鲁棒性。

引用

页码：67 / 73

页数：7