APP下载

基于支持向量机的多目标分类和识别

2016-10-18侯小丽王建国王佳丽

火力与指挥控制 2016年9期
关键词:分类

侯小丽,王建国,王佳丽

(1.太原城市职业技术学院,太原030027;2.北方自动控制技术研究所,太原030006)

基于支持向量机的多目标分类和识别

侯小丽1,王建国2,王佳丽2

(1.太原城市职业技术学院,太原030027;2.北方自动控制技术研究所,太原030006)

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。

支持向量机,多分类,传感器技术

0 引言

随着传感器技术的不断发展和信息化程度的提高,图像处理技术在民用和军用领域发挥了越来越重要的作用。在军用领域,很多装备都已经安装有CCD、红外等图像传感器,实时捕捉战场图像进行处理,提高了装备的搜索和识别能力,缩短了作战反应时间。对图像中提取的目标进行分类的速度和精度直接影响着后续的决策和作战的成败,在图像处理环节具有重要的作用。目前,用于分类的方法很多,有Bayesian方法、距离判别、Fisher判别、k-近邻分类以及分段线性分类、神经网络分类和支持向量机(SVM)等。

SVM是一种基于统计学习理论(SLT,Statistical Learning Theory)的分类器,它以统计学习理论和结构风险最小化原理作为理论依据,克服了传统分类方法“过学习”和局部最小值等缺点,SVM的另一个重要的优点是可以处理线性不可分的情况,首先要从原始空间中抽取特征,将原始空间中的样本向量映射到线性可分的高维特征空间中,以解决原始空间中线性不可分问题,是一种优秀的二分类器。……

登录APP查看全文

猜你喜欢

分类
分类算一算
垃圾分类的困惑你有吗
星星的分类
我给资源分分类
垃圾分类,你准备好了吗
按需分类
教你一招:数的分类
说说分类那些事
给塑料分分类吧