【技术实现步骤摘要】
一种基于多分类思想的海面小目标检测方法
[0001]本专利技术属于对海雷达慢速小目标检测领域,具体是利用多分类思想,结合传统二分类算法进行目标检测的方法。
技术介绍
[0002]该方法主要针对于海面小目标检测中的类别非均衡问题,即海杂波数据远远多于目标数据,提出新的解决方案。
[0003]模式识别中处理类别不均衡问题的方法有过采样,欠采样,人工仿真数据等。传统的机器学习算法,例如KNN,SVM,神经网络等,在应用于海面小目标检测时,为了应对类别非均衡问题,往往采用人工仿真目标数据来扩充目标数据集。该方法前端工作复杂,并且人工仿真数据与真实数据存在一定差距。而基于多分类思想的二分类算法是解决这一问题的另一个有效途径。
技术实现思路
[0004]本专利技术针对现有技术的不足,采样法带有偶然性,可能会改变原始样本的分布,人工仿真数据和真实数据存在一定差距,带来分类性能的损失。提出一种基于多分类思想的海面小目标检测方法。本专利技术的核心技术是借鉴多分类中“一对一”的思想,将训练样例较多的海杂波数据集进行划分,与训练样例较少的目标数据集一一对应构造多个二分类器,通过多个二分类器进行联合判决。本专利技术的使用,能够实现在不改变海杂波样本的总体分布,不需要人工仿真目标数据的情况下,进行分类器的训练,提高检测精度。本专利技术是对海雷达慢速小目标检测领域的创新发展。
[0005]为了实现上述目的,本专利技术采用的技术方案如下所述:
[0006]本专利技术的算法分为三个部分。
[0007] ...
【技术保护点】
【技术特征摘要】
1.一种基于多分类思想的海面小目标检测方法,该方法具体包括以下步骤:步骤一:将训练样例较多的海杂波数据集记为S0,标签为H0,训练样例数目为m0,训练样例较少的目标数据集记为S1,标签为H1,训练样例数目为m1,且m0=n
·
m1,n为正整数;首先将S0根据S1的训练样例数目分成n块,记为每一块都是S0的子数据集,每一个子数据集的数量记为且该操作使得的S0的子数据集与S1的训练样例数目基本均衡,即步骤二:将划分后的S0的...
【专利技术属性】
技术研发人员:薛安克,毛克成,张乐,孔亚广,王俊宏,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。