文章摘要
郭政,赵梅,胡长青.一种有效降维的特征选择方法及其在水声目标识别中的应用[J].声学技术,2021,40(1):14~20
一种有效降维的特征选择方法及其在水声目标识别中的应用
An effective dimensionality reduction feature selection method and its application in underwater acoustic target recognition
投稿时间:2020-07-20  修订日期:2020-08-15
DOI:10.16300/j.cnki.1000-3630.2021.01.003
中文关键词: 特征选择  水声目标识别  支持向量机  递归特征消除  猫群算法
英文关键词: feature selection  underwater acoustic target recognition  support vector machine (SVM)  recursive feature elimination (RFE)  cat swarm optimization (CSO)
基金项目:水声对抗技术重点实验室开放基金(JCKY2020207CH02)
作者单位E-mail
郭政 中国科学院声学研究所东海研究站, 上海 201815
中国科学院大学, 北京 100049 
 
赵梅 中国科学院声学研究所东海研究站, 上海 201815 zhaomei@mail.ioa.ac.cn 
胡长青 中国科学院声学研究所东海研究站, 上海 201815  
摘要点击次数: 71
全文下载次数: 94
中文摘要:
      为在保证目标识别准确率基础上进行有效特征降维,文章以目标识别准确率为特征选择准则,提出一种支持向量机递归特征消除(Support Vector Machine Recursive Feature Elimination,SVM-RFE)快速筛选出部分优质特征子集与猫群算法(Cat Swarm Algorithm,CSO)迭代寻优结合的特征选择方法,并将该方法应用于水声目标识别的特征选择。实验数据处理结果表明:相比SVM-RFE和CSO特征选择算法,文中提出的方法在平均特征维数降低8%的基础上,平均目标识别率提高了1.88%,能够实现有效降维的目的。该方法对判断特征是否适合用于特定的目标识别也有一定应用价值。
英文摘要:
      In order to reduce the dimension of feature effectively on the basis of ensuring the accuracy of target recognition, a feature selection method based on combining support vector machine recursive feature elimination (SVM-RFE) algorithm and cat swarm optimization (CSO) algorithm is proposed in this paper. The method is applied to feature selection of underwater acoustic target recognition. Experimental data processing results show that:compared with SVM-RFE and CSO feature selection algorithms, the average feature dimension of the proposed method is reduced by 8%, and the average target recognition rate is improved by 1.88%. This method also has a certain application value in judging whether the feature is suitable for specific target recognition or not.
查看全文   查看/发表评论  下载PDF阅读器
关闭