两种SVM 集成水下目标识别方法的比较

来源 :电声技术 | 被引量 : 0次 | 上传用户:xwg1217
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
分类器集成可有效提高分类器的识别精度和稳定性。采用Bagging算法对SVM分类器进行集成,描述并讨论了B-SVM与CB-SVM两种基于SVM集成的水下目标识别算法,并利用4类实测水下目标样本进行识别实验。实验结果表明:在一定范围内,CB-SVM算法比B-SVM算法能更好地识别测试样本,识别正确率最多提高1.56%;随着抽样数的增加,训练样本集差异性减弱并引入大量无用样本,导致分类器性能下降,同时削弱了CB-SVM算法的优势。
其他文献
从浅海环境出发,采用瑞利分布混响理论,选取单元散射模型,利用KRAKEN软件仿真声波的简正波传播模型,对浅海海底混响进行建模与仿真。本仿真对于分析环境对混响包络概率密度分
教育家叶圣陶指出:“教育就是培养习惯。”好习惯的培养是语文教育的最高境地,是学生终身受用的财富。多一个好习惯,学好语文就又多一份自信;多一个好习惯,学好语文就又多一次成功的机遇;多一个好习惯,学生的生命里就又多一种享受生活的能力。在平时的语文教育中应培养学生哪些良好的语文学习习惯呢?  1.主动识字的习惯。 让语文走进生活,在生活中学习语文。“在生活中识字”的教学实验就很好地证明了这一观点。大街上