10.3969/j.issn.1671-1815.2015.29.012
基于证据数据分类算法的水声目标识别研究
证据分类算法已被广泛应用于模式识别中。针对传统证据近邻算法在证据权重和组合规则上的局限,研究了一种新的基于DSmT的证据K近邻识别算法( DSmT-KNN)。首先在水声目标的各类别训练模板库中,利用目标数据与各近邻的特征相似度来分别构造基本置信指派,并根据K个近邻数据的距离大小对构造的置信指派进行加权。然后利用DSmT规则对加权证据进行融合。最后根据每个类别下融合结果的算术平均值来判断目标的类别属性。通过水声目标实测数据实验,将DSmT-KNN与其他几种常见的方法进行了对比分析,结果表明新算法能有效提高系统的识别准确率。
水声目标、证据推理、K近邻、目标识别、DSmT
TP391.4(计算技术、计算机技术)
陕西省教育厅专项科研计划项目14JK1405
2015-11-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
67-71