本文主要研究内容
作者朱宗斌,陶剑锋,葛辉良,郑佳（2019）在《基于BPSO-KNN算法的被动声呐目标分类识别技术研究》一文中研究指出：以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。
Abstract
yi di qu de dao de bei dong sheng na mu biao gong lv pu te zheng wei ji chu ,cai yong er jin zhi li zi qun (Binary Particle Swarm Optimization, BPSO)you hua suan fa he kzui jin lin (k-Nearest Neighbor, KNN)fen lei suan fa xiang jie ge de BPSO-KNNsuan fa jin hang te zheng shua ze he can shu you hua ,fen bie yong KNNfen lei suan fa he BPSO-KNNfen lei suan fa dui shi ji de dao de si lei hai shang bei dong sheng na mu biao jin hang fen lei shi bie 。jie guo biao ming ,BPSO-KNNsuan fa ke dui di qu de gong lv pu te zheng jin hang te zheng you hua shua ze ,bing dui KNNfen lei qi jin hang can shu you hua ,di gao le dui si lei mu biao de fen lei jing du 。gai suan fa zai bei dong sheng na mu biao fen lei shi bie fang mian you can kao jia zhi 。
论文参考文献
论文详细介绍
论文作者分别是来自声学技术的朱宗斌,陶剑锋,葛辉良,郑佳，发表于刊物声学技术2019年02期论文，是一篇关于功率谱特征论文,被动声呐目标分类识别论文,特征选择论文,二进制粒子群最近邻算法论文,声学技术2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自声学技术2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：功率谱特征论文; 被动声呐目标分类识别论文; 特征选择论文; 二进制粒子群最近邻算法论文; 声学技术2019年02期论文;