用于识别无人机型号的目标分类模型的评估方法技术

本发明专利技术涉及一种用于识别无人机型号的目标分类模型的评估方法，该方法基于灰色直觉模糊，对多个用于识别无人机型号的目标分类方法进行评估，从而选出最优模型。本方法在直觉模糊的基础上结合了点灰度，构造了灰色直觉模糊的分离度，给出了一种具有普适性的灰色直觉模糊评价模型，并且给出了一种基于此模型的目标分类网络模型评估方法。通过构建影响目标分类模型评估的层次分析结构；确定待评估的目标分类模型；计算灰色直觉模糊评价模型的权重向量；计算灰色直觉模糊评价模型的评价矩阵；计算第个候选方案相对贴近度等步骤从多个目标分类模型中选择出一个最优的目标分类模型。模型。

【技术实现步骤摘要】
用于识别无人机型号的目标分类模型的评估方法


[0001]本专利技术涉及一种用于识别无人机型号的目标分类模型的评估方法，该评估方法基于灰色直觉模糊，对多个用于识别无人机型号的目标分类方法进行识别，属于计算机视觉


技术介绍

[0002]近些年来，计算机视觉的发展突飞猛进。典型的，在目标的分类方向取得了重大的进展，基于深度神经网络的目标分类网络在视频监控、自动驾驶和智能医疗等领域已经初步形成了应用体系。目标分类网络基于有限的样本数据集来进行训练，然后通过在测试数据集上进行测试来判断模型的效果。在机器学习中，通常在评估多个候选模型后选择最终的模型，这个过程叫做模型选择。
[0003]通常情况下，简单的比较测试结果并不能有效的反应模型在实际应用中的泛化能力。一方面，具有更多维数和小数据的问题会导致过拟合；另一方面，实际项目中数据集通常被随机划分为训练集和测试集，模型也相应地在这个数据集上被训练和评估，那么会导致测试集和训练集具有一样的数据分布，因为它们都是从具有相似场景内容和成像条件的数据中采样得到的，但是在实际应用中，测试图像或许会来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于识别无人机型号的目标分类模型的评估方法，其特征在于，所述评估方法基于灰色直觉模糊，具体包括以下步骤：步骤一，构建影响目标分类模型评估的层次分析结构：所述层次分析结构包括指标层和因素层，影响模型最终评估的因素集为；所述指标层包括分类准确度和模型推理速度，因素集包括各分类模型对不同分类类别的分类准确度和各模型推理时间；步骤二，确定待评估的目标分类模型，各分类模型构成方案集；步骤三，计算灰色直觉模糊评估模型的权重向量：
ꢀꢀ
（1）其中，表示第个评估因素的权重，表示的点灰度，采用层次分析法来确定的权值部分；步骤四，计算灰色直觉模糊评估模型的评价矩阵模型的评价矩阵
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）灰色直觉模糊评价矩阵定义在空间中，代表因素集，代表方案集，其中代表直觉模糊数，代表点灰度，评价矩阵由灰色直觉模糊数构成；所述直觉模糊数的确定方法为：给定个评估主体，每个评估主体首先给出每一方案在每种因素下的评分值，得到个评分矩阵，接下来对每一个评分矩阵进行无量纲变换，将无量纲变换后的评分区间分成三个子集，分别代表主观的支持、中立、反对三种态度，组评分落在三个子集中的概率即为方案对该因素的隶属度、犹豫度和非隶属度；步骤五，分析评价矩阵，筛选出正优解和负优解，计算得到候选方案与正优解的关联矩阵以及候选方案与负优解的关联矩阵，具体为：所述正优解为，其中；所述负优解为，其中；候选方案与正优解的关联矩阵为：
候选方案与负优解的关联矩阵为：第个候选方案与正优解的相对关联度为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）第个候选方案与负优解的相对关联度为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）其中：称为权重的灰度模（5）（6）表示与的灰色直觉模糊数的分离度，表示与的灰色直觉模糊的分离度；灰色直觉模糊的分离度计算方法如下：对于两个灰色直觉模糊数，称为灰色直觉模糊数的分离度，其中，为直觉模糊数的汉明距离；步骤六，计算...

【专利技术属性】
技术研发人员：李佳航，闫梦龙，王晓明，周新鹏，回新强，孙景波，
申请(专利权)人：飒铂智能科技有限责任公司，
类型：发明
国别省市：