[發明專利]一種改進的SVM一維像艦艇和貨船分類方法

在審

• 申請號: 202110751935.3
• 申請日: 2021-07-02
• 公開（公告）號: CN113361640A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 孟凡君;曹德建;鮑鵬飛;管志強;楊學嶺
• 申請（專利權）人: 中國船舶重工集團公司第七二四研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種改進的SVM一維像艦艇和貨船分類方法，其特征在于：

Step1：通過雷達一維像數據預處理獲得目標特征數據，根據目標占獲取一維像長度的比例進行預判，分類取截取門限gate，再根據截取門限截取CFAR后的目標數據，獲得目標特征數據；

Step2：判斷雷達一維像特征數據特征，清洗異常數據；

Step3：對清洗后的一維像特征數據進行尺度變換，形成統一長度的標準一維像格式，假設變化前有n個點，變換后的標準格式是m個點，原始數據為P(i),i＝1,2,3,...,n，變換后的數據為P’(j),j＝1,2,3,...,m，變化規則為：

Step4：對尺度變化后的等長一維像特征信息進行特征二次提取，包括歸一化處理、四等分后強散射點分步統計、波形對稱性特征提取、波形峰度特征提取、波形峰值個數提取、峰值前緣陡峭度提取、峰值后緣陡峭度提取、峰值形狀統計、波形中心與兩端幅度比值提取；

Step5：利用加入松弛變量，設計改進最小二乘SVM模型；

Step6：利用訓練數據集訓練SVM模型進行訓練；

Step7：使用測試數據集對訓練好的SVM模型性能進行檢驗，用改進的線性搜索算法優化懲罰因子，其中改進的線性搜索算法步驟如下：

Step7-1：粗估計SVM模型的懲罰參數γ的范圍，作為懲罰參數γ的初始搜索范圍，并根據搜索范圍確定搜索步長step；

Step7-2：以懲罰參數為坐標系的坐標，根據Step7-1選定的γ初始搜索范圍，以訓練數據集為樣本，計算搜索范圍兩端樣本預測準確率，即根據搜索范圍的每移動一個步長step的值，計算得到對應的預測準確率，預測準確率最高的那組懲罰參數的值作為當前最優參數γ1；

Step7-3：根據當前最優參數γ1，以其為中心，擴展±step范圍，得到新的搜索范圍，進行進一步線性搜索，根據新的搜索范圍調整搜索步長；

Step7-4：以懲罰參數為坐標系的坐標，根據Step7-3確定新的搜索范圍，以訓練數據集為樣本，計算新的搜索范圍兩端的樣本預測準確率；

Step7-5：從Step7-4計算得到的結果中，選擇使得預測準確率最高的懲罰參數值作為最優的γ；

Step8：將SVM模型用于一維像艦艇和貨船分類。

2.一種根據權利要求1所述的改進的SVM一維像艦艇和貨船分類方法，其特征在于：所述Step1中雷達一維像數據預處理為：確定截取門限，首先對目標占獲取一維像長度的比例進行預判，通過兩端噪聲均值mean，判斷超過k倍噪聲均值mean的數據段總長度L；根據當數據段總長度L與原始數據總長度關系分類取截取門限gate；利用恒虛警檢波器CFAR原理，計算原始一維像數據各點周圍均值，與原始數據比較處理，處理Hrrp數據中的小斜坡；根據截取門限對CFAR后的數據處理，超過門限1.6倍的數據為目標一維像。

3.一種根據權利要求1所述的改進的SVM一維像艦艇和貨船分類方法，其特征在于：所述Step4中波形中心與兩端幅度比值，利用中心聚集率提取方法，將歸一化的一維像等分為5等份，計算中間三部分均值與兩端均值的比值計算中間三部分均值與兩端均值的比值：

其中，X1，X2，X3，X4，X5為按序5等分后的數據集合。