陈含露，杨宏晖，申昇



用于水声目标识别的近邻无监督特征选择算法

陈含露，杨宏晖，申昇

(西北工业大学航海学院，陕西西安 710072)

针对水声目标数据的特征冗余问题，提出一种新的近邻无监督特征选择算法。首先利用顺序向后特征搜索算法生成原始特征集的子集，然后利用基于代表近邻选取方法的特征评价机制评价特征子集的优越性。使用实测水声目标数据集和声呐数据集进行特征选择和分类实验，在保持支持向量机平均分类正确率几乎不变的情况下，特征数目分别降低了90%和75%。结果表明，该算法选择出的特征子集，在去除冗余特征后有效地提高了后续学习算法的效率。

水声目标识别；无监督；特征选择；代表近邻

0 引言

为提高水声目标识别的正确率，研究人员往往用多种方法提取水声目标辐射噪声的多域特征。然而，水声目标样本获取的代价却很大。因此，要在水声目标样本数目保持不变的前提下达到分类正确率损失尽可能小的目的，进行特征选择以去除不相关和冗余特征，在水声目标识别任务中具有重要的意义。

根据用于特征选择的数据有无类标，可将特征选择方法分为有监督方法和无监督方法。在水声目标识别领域，相比于有监督特征选择方法[1]的趋于成熟，无监督特征选择方法[2]仍有待深入研究。有监督特征选择方法通常通过类标的指导来评价特征与识别任务的相关程度。而无监督特征选择由于缺少类标指导，往往倾向于选出能够保留样本内在聚类属性的特征。……