基于PSO-GWO-SVM的周界安防信号识别研究

摘要：

针对支持向量机(SVM)在大规模入侵信号分类时存在的局限性,提出了一种改进的SVM信号识别方法.该方法首先采用粒子群优化算法(PSO)来生成多样化的初始位置,然后利用灰狼优化算法(GWO)更新离散搜索空间中样本的当前位置,获得最优特征子集;最后基于最优特征子集用SVM对待测样本进行分类识别.实验结果显明,在识别周界入侵信号时,基于PSO-GWO-SVM算法的分类器获得了96.86%的准确率、95.82%的灵敏度(SE)和96.31%的特异性.与传统的信号识别方法相比,具有更优异的识别精度、适应性和时效性.

关键词：PSO-GWO优化、支持向量机、最优特征子集、入侵信号识别

所属期刊栏目：48

分类号：TP751.1(遥感技术)

资助基金：吉林省科技厅基金项目20150204019SF

在线出版日期：2018-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：396-400