一种基于类别置信度的一维距离像多分类器融合识别法制造技术

本发明专利技术公开一种基于类别置信度的一维距离像多分类器融合识别法。首先，利用欧式距离测度对经过预处理的实测一维距离像信号样本幅度特征提取其K个最近邻样本；接着，由各子分类器分类结果得到邻域样本类别的可靠性评估进而获得各分类器评估矩阵；最后，由评估矩阵获得该样本所属各类别置信度达到分类目的。本发明专利技术基于决策融合理论，结合K‑最近邻思想，利用最近邻和贝叶斯准则获得目标样本的类别置信度完成目标类别划分。相较于单一分类器和传统投票法等决策融合方案，本方法识别精度更高、鲁棒性更好，是具有实用价值的一维距离像决策融合识别方法。

【技术实现步骤摘要】
一种基于类别置信度的一维距离像多分类器融合识别法
本专利技术涉及利用多分类器融合识别一维距离像的技术，具体涉及一种基于类别置信度的一维距离像多分类器融合识别法。
技术介绍
自动目标识别是雷达研究应用中的关键领域。高分辨率距离像(HRRP)由于其包含丰富的目标特征且数据量较小，是实现目标实时分类的重要研究方向。在HRRP识别中分类器设计是一个重要研究方向，设计合理的分类器能够有效提高识别精度和鲁棒性。然而，单一分类器的性能提升始终有限，随着融合思想的提出，近年来思考如何将多分类器对同一目标的识别结果进行合成得到更加精确的分类输出成为目标识别领域的研究热点。关于目标的多分类器融合识别，目前主要有两方面：一是着眼于改善分类器的结构，在分类器融合过程中不会对分类器的输出有任何操作而是在多个分类器中寻找一个或一组最好的分类器以其结果为最终分类标准；另一类则是对分类器输出结果进行操作，通过一定的融合准则对多分类器的输出进行有效计算，得到最合适的样本类别。传统的融合方法有多数投票法、加权平均法、贝叶斯法等，这些方法都能够将分类器的结果进行有效的考量得出合理的融合结果，但其都没有综合考量分类器的取舍本文档来自技高网...

【技术保护点】
一种基于类别置信度的一维距离像多分类器融合识别法，其特征在于，步骤如下：第1步：对包含C种类别的训练样本集

【技术特征摘要】
1.一种基于类别置信度的一维距离像多分类器融合识别法，其特征在于，步骤如下：第1步：对包含C种类别的训练样本集和测试样本y，提取其归一化幅度特征并进行平移对齐操作，得到平移对齐后的训练样本幅度特征集和测试样本幅度特征hy；第2步：根据K-最近邻准则，利用欧式距离测度得到测试样本y最近邻的K个训练样本x1,x2,...,xK；第3步：对K个最近邻训练样本，由多种分类器分别对其进行识别得到基于各分类器的邻域样本类别可靠性；第4步：由各分类器下的邻域样本类别可靠性计算各分类器类别评估矩阵Rm(m＝1,2,...,M)；第5步：由分类器类别评估矩阵分别计算各分类器评估精度Gm(m＝1,2,...,M)，对精度较差的分类器进行剔除，最终筛选出M1个分类器进行目标类别置信度赋值；第6步：计算目标各类别置信度Wc(c＝1,2,...,C)，其最大值Wmax所对应的类别即为测试样本最终判定类别归属。2.根据权利要求1所述的一种基于类别置信度的一维距离像多分类器融合识别法，其特征在于第2步中，对于测试样本y和任意训练样本其幅度特征hy和的欧式距离为：其中，分别表示幅度特征向量hy和的第j个元素；将所有训练样本和测试样本的欧氏距离按大小排列，取其最小的K个训练样本为其最近邻域x1,x2,...,xK，其幅度谱特征为h1,h2,...,hK。3.根据权利要求1所述的一种基于类别置信度的一维距离像多分类器融合识别法，其特征在于第3步中，由分类器对邻域样本进行分类，得到在一分类器下各邻域样本的条件类别概率其代表邻域中第k个样本其真实类别为ωi(c(xk)＝ωi...

【专利技术属性】
技术研发人员：戴为龙，刘文波，张弓，华博宇，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32