关　欣　常　进　王　虹　衣　晓

(海军航空工程学院电子信息工程系　烟台　264001)



基于多源测量与属性混合信息的分类识别方法*

关欣常进王虹衣晓

(海军航空工程学院电子信息工程系烟台264001)

摘要充分利用多传感器系统提供的多源异类信息,将观测数据处于数据级的属性和处于特征级的属性混合作为描述目标的特征矢量;对特征矢量进行了主成分分析,在此基础上转换至三维直角坐标系寻找最优分类平面进行分类识别;采用“一对一”策略解决多类分类问题;通过仿真实验验证了该方法在加入不同百分比高斯白噪声环境下的有效性,并与BP神经网络识别方法在同等条件下作了对比实验,突出了论文所提方法正确识别率高、识别速度快和稳定性高的优越性。

关键词主成分分析; 最近顶点规则; 最优分类平面; BP神经网络

Class NumberTP391

1　引言

多传感器提供的观测数据在属性上可以是同类的也可以是异类的;在粒度级别上可以是稀疏的,也可以是稠密的,也可能分别处于数据级、特征级或是符号级各种不同的抽象级别上。因此异类多传感器与同类传感器相比,其提供的信息具有更强的多样性和互补性[1～2]。在进行目标识别[3]时可充分利用多传感器提供的多源异类信息,仅仅采用常规的属性特征参数进行分类识别已经突显单一,并且模式匹配法、k-近邻分类法等传统识别方法不但计算量大,识别准确率低,而且还需进行专家校验[4]。因此,除了利用常规的观测数据处于数据级的属性,还可以充分挖掘特征级的属性,将二者混合作为描述目标的特征矢量。……