模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (11): 983-994    DOI: 10.16451/j.cnki.issn1003-6059.201711003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于聚类和随机参考分类器的对海雷达目标识别算法*
范学满,胡生亮,贺静波
海军工程大学 电子工程学院 武汉 430033
Target Recognition Algorithm for Maritime Surveillance Radars Based on Clustering and Random Reference Classifier
FAN Xueman, HU Shengliang, HE Jingbo
1.Electronics Engineering College, Naval University of Engineering, Wuhan 430033

全文: PDF (1004 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
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.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
范学满
胡生亮
贺静波
关键词 k-medoids 随机参考分类器 动态集成选择 目标识别    
Abstract:To improve the generalization ability of maritime surveillance radars in complicatedly interferential environment, a dynamic ensemble selection algorithm based on k-medoids clustering and random reference classifier(KMRRC) is proposed. Firstly, a pool of base classifiers are generated through Bagging technique. Secondly, k-medoids clustering is used to divided all the base classifiers into several clusters based on pairwise diversity metric. Then, the RRC model for each base classifier is constructed on the basis of validation dataset. Finally, the RRC model is employed to select some of the most competent classifiers from each cluster for ensemble and decision making. The parameters of KMRRC are determined by optimization experiment based on the self-built high resolution range profile(HRRP) dataset, and the performance of KMRRC is compared with nine ensemble methods and the base classification algorithm using the HRRP dataset and other seventeen UCI datasets in Java environment with a Weka stand-alone library. Besides, the influence of the diversity measures on the performance of KMRRC is further studied. The feasibility of KMMRRC in the field of target recognition for maritime surveillance radars is verified by experiments.
Key wordsk-medoids    Random Reference Classifier    Dynamic Ensemble Selection    Target Recognition   
收稿日期: 2017-04-18     
ZTFLH: TN 181  
基金资助:国家自然科学基金项目(No.61401493)资助
作者简介: 范学满(通讯作者),男,1989年生,博士研究生,主要研究方向为集成学习、雷达目标识别.E-mail:oucfanxm@163.com.
胡生亮,男,1974年生,博士,教授,主要研究方向为无源对抗.E-mail:HGDHSL@sina.com.
贺静波,男,1979年生,博士,讲师,主要研究方向为随机微分理论及应用.E-mail:hjb_1979@163.com.
引用本文:   
范学满,胡生亮,贺静波. 基于聚类和随机参考分类器的对海雷达目标识别算法*[J]. 模式识别与人工智能, 2017, 30(11): 983-994. FAN Xueman, HU Shengliang, HE Jingbo. Target Recognition Algorithm for Maritime Surveillance Radars Based on Clustering and Random Reference Classifier. , 2017, 30(11): 983-994.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201711003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I11/983
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn