|
|||||
|
|
| 基于高维特征选择的跳频电台细微特征识别 | |
| 作者姓名： | 李红光 郭英 眭萍 齐子森 苏令华 |
| 作者单位： | 空军工程大学信息与导航学院, 陕西 西安 710077 |
| 基金项目： | 国家自然科学基金(61601500);全军研究生资助课题(JY2018C169) |
| 摘 要： | 将高维特征用于跳频电台细微特征个体识别具有很大优势,为了增强对跳频电台的分类识别能力,需要增加特征类型和维数,提高特征集的表征能力,但同时会引入大量冗余特征,导致分类器计算时间过长,分类正确率降低。为了降低高维特征集维数,首先采用相关性快速过滤特征选择算法,删除高维特征集中的不相关冗余特征,得到最优特征集。然后利用经过参数优化的支持向量机(support vector machine, SVM)分类器进行训练分类。实验表明,所提算法能够对高维特征集进行合理的降维,提高了SVM的分类器的分类性能,在保证分类正确率的基础上,降低了运算量,提高了跳频电台细微特征识别的时效性。 |
| 关 键 词： | 跳频电台 细微特征 特征选择 支持向量机 |
| 收稿时间： | 2019-03-04 |
| 点击此处可从《系统工程与电子技术》浏览原始摘要信息 | |
| 点击此处可从《系统工程与电子技术》下载免费的PDF全文 | |