[發明專利]基于特征加權貝葉斯優化算法的空中飛行物識別方法

有效

• 申請號: 202010420676.1
• 申請日: 2020-05-18
• 公開（公告）號: CN111476321B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 周連科;邵璐;張耘;王紅濱;王念濱;張毅;趙昱杰;崔琎
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

基于特征加權貝葉斯優化算法的空中飛行物識別方法涉及一種空中飛行物識別方法。本發明是為了解決現有的空中飛行物的識別方法存在的準確率較低的問題。本發明通過對空中飛行物的特征數據分布情況進行分析，將特征重疊部分的分布情況中分布跨度和分布密度作為特征的權值計算依據，將其作為樸素貝葉斯識別模型的輸入特征的權重，進而基于特征加權貝葉斯優化算法的結果實現空中飛行物的識別。主要用途飛行物的識別。

技術領域

本發明屬于機器學習領域，具體涉及一種空中飛行物識別方法。

背景技術

空中飛行物的識別是基于空中飛行物的目標特征實現的，主要是通過各類傳感器獲得空中飛行物的數據，然后經過信號處理技術將其轉化為數值化的目標特征，通過對目標特征進行分析獲得其所屬類別目標。此過程中主要面對的問題是數據體量龐大、數據樣式復雜、數據處理速度等問題亟待解決。因此一些基于模板識別、專家系統、監督學習、統計學等方法開始應用于空中飛行物識別的過程中，極大地提高了數據的處理速度，提高了分析效能。通過對上述算法在邏輯表達、規則依賴、可解釋性等角度進行分析發現，以樸素貝葉斯為代表的統計學算法具有邏輯簡單、算法穩定和對缺失數據不敏感等特點。因此將使用其作為空中飛行物類別目標識別的應用算法，并針對于應用過程中存在的條件獨立性假設對于飛行物分類結果的影響問題進行優化。

貝葉斯理論是英國數學家Thomas Bayes為解決一個“機遇理論逆推理”問題而提出的概率模型。該理論一經發現，掀起了一番概率論的狂潮，打破了頻率派長此以往的思想統治。不同于頻率派思想觀念，貝葉斯概率論學派將原有的以客觀世界為主體的觀察方式更改為以人為主的觀察方式，根據經驗知識等信息，定義初始事件發生概率，然后根據目標的狀態演變情況得出目標在某一時刻發生的概率。貝葉斯理論自發現以來被廣泛應用于不確定性問題求解，現在看來貝葉斯理論可以稱得上機器學習的核心之一被應用于貸款過程中的信用評估和人工智能等實際應用中。而以貝葉斯理論為基礎的貝葉斯網絡是一個有向無環圖結構，結點代表隨機變量，結點間的有向邊代表了結點間的互相關系(由父結點指向其子結點)，用條件概率表達關系強度，沒有父結點的用先驗概率進行信息表達

經過長時間的實踐應用可以發現貝葉斯網絡在處理不確定性問題上表現突出，其主要優點表現為與人類思想過程充分相符，且表現形式簡單易懂便于創建，能將具體分析過程抽象出來量化分析，具有嚴格的標準化制式，同時結合已有知識和基本現狀對目標能夠進行精確分析。自貝葉斯理論提出至今有諸多學者對其進行改進，其中較為突出的改進結果就是樸素貝葉斯網絡，它是在貝葉斯理論的基礎上提出了一個假設，要求貝葉斯網絡中子結點間相互條件獨立。正是因為這種相互條件獨立的基本特性使得樸素貝葉斯以簡單、快速等特點著稱。雖然該理論在思想上特點鮮明，簡單易懂，但是該理論在實際應用中也有其弊端，即條件獨立性假設在現實中不容易成立。為了解決此類問題，研究員們在樸素貝葉斯網絡輸入特征的選擇、算法結構拓展和特征加權等方向進行改進。輸入特征選擇是通過控制算法的輸入特征，將一些無關的、相對次要的特征摒棄以達到特征條件獨立的目的，此方法雖然降低了網絡的結構復雜度、滿足了條件獨立假設，但是會降低分類的準確率；而針對于算法結構的改進，通過加入概率估計、相關結點間的有向弧連接和組合樹等方法進行結構拓展，但此類方法或多或少的增加了樸素貝葉斯網絡的結構復雜度和識別過程中的時間、空間消耗；通過特征加權的方法對其改進，其中有柔性加權、深度特征加權和自適應特征加權等方式。通過特征加權的方式對樣本進行標記，此類改進方案既能保持樸素貝葉斯簡單的網絡結構，又能在一定程度上提高分類的準確率。相較于前兩種改進方案，此類優化方法能有效的提高應用模型的分類精度和時間、空間利用率。

發明內容

本發明的目的是針對于樸素貝葉斯網絡特征間的條件獨立假設的局限性問題，以特征重疊部分的分布情況為特征加權依據，通過特征加權的方式對貝葉斯網絡進行優化，意圖解決現有的空中飛行物的識別方法存在的準確率較低的問題。

基于特征加權貝葉斯優化算法的空中飛行物識別方法，包括以下步驟：

步驟1、構建樸素貝葉斯網絡結構，確定模型包含的特征和飛行物類別目標；