戴健
- 作品数：9 被引量：29H指数：3
- 供职机构：西北工业大学航海学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学一般工业技术更多>>
- 用于水声目标识别的自适应遗传样本选择算法被引量：3
- 2013年
- 针对训练样本集中含有噪声样本、冗余样本以及无关样本,导致分类系统分类性能下降、不稳定的水声目标识别问题,提出了一种新的自适应遗传样本选择算法(Adaptive Genetic Instance Selection Algorithm,AGISA)。算法先随机生成初始种群,接着利用设计的遗传算子(跨代选择、自适应交叉和简化最近邻变异)指导种群进化,每代中对分类贡献大且选择样本数目少的个体适应度值高。提取了实测3类水声目标的多域特征,进行样本选择和分类识别仿真实验,结果表明:AGISA可以选出有效样本子集,在样本维数下降约73%的情况下,支持向量机分类器的正确分类率能提高约2.5%;并且AGISA具有较好的收敛性、稳定性,所得优化样本子集具有较好泛化能力且能明显减少分类的时间。
- 戴健杨宏晖王芸孙进才
- 关键词：水声目标识别
- 用于水声目标分类的加权免疫克隆样本选择算法被引量：1
- 2013年
- 提出了一种新的用于水声目标分类的加权免疫克隆样本选择算法(weight Immune Clonal Instance Selection,wI-CISA)。算法利用Adaboost算法给予每个样本一权值,每代中根据样本权值计算抗体亲合度和克隆数,且根据克隆复制、抗体更新(海明距离交叉和加权简化最近邻变异)和克隆选择操作指导种群进化。提取了实测3类水声目标的时域波形结构特征、小波分析特征和听觉谱特征,进行样本选择和分类仿真实验,结果表明:wICISA可以选出有效样本子集,使样本数目减少82%左右,并且支持向量机分类器的正确分类率能提高约2%;wICISA具有较好的收敛性、稳定性,所得优化样本子集具有较好的泛化能力且能明显减少分类的时间。
- 杨宏晖王芸戴健
- 一种用于风机故障诊断的免疫克隆特征选择算法被引量：1
- 2012年
- 提出一种新的用于风机故障诊断的免疫克隆特征选择算法。提取了生产线上实测风机噪声的时域波形结构特征、小波分析特征及听觉谱特征,进行特征选择和故障诊断仿真实验。实验结果表明:在特征选择后的特征数目比原特征数目减少61%的情况下,支持向量机分类器的分类正确率下降很小,分类时间显著减少。实验结果证明了该算法的有效性和鲁棒性,且能有效地应用于风机故障诊断。
- 戴健杨宏晖杜方键孙进才
- 关键词：免疫克隆风机故障诊断
- 自适应免疫算法的SVME用于水下目标识别被引量：1
- 2012年
- 针对用支持向量机集成提高水下目标识别正确率会使识别系统更加复杂的问题,提出了一种以自适应免疫算法(AIA)的支持向量机选择性集成(SVME)算法(即AIA-SVME算法)进行分类器优化选择,对实测水下目标声信号进行分类识别。与分类器全部集成的识别实验对比证明,该算法在选择9%的分类器后仍可以达到分类器全部集成的识别效果,不仅保证了识别精度,还使得识别系统大幅度精简,节省在线识别的时间。该研究对于水下目标分类决策优化集成的新方法探索具有重要理论价值和实际意义。
- 陈兆基杨宏晖戴健
- 关键词：水下目标识别
- 加权免疫克隆样本选择与特征选择融合算法
- 本文提出了—种加权免疫克隆样本选择与特征选择融合的算法.这种算法打破传统,将样本选择与特征选择这两种原本独立进行的分类识别过程结合起来,以获得性能更好的学习机.该种算法首先用支持向量机(SVM)训练测试的方法对分类性能好...
- 王芸杨宏晖戴健
- 关键词：精度控制
- 文献传递
- 水下目标识别中样本选择与SVME融合算法被引量：6
- 2014年
- 水下目标识别中训练样本集含有冗余样本、噪声样本及无关样本,且特征提取、特征选择和决策系统设计过程分离而导致系统识别性能的下降,为此提出了基于加权最近邻收缩样本选择的SVM集成算法(SVME-WRNN)和基于加权免疫克隆样本选择的SVM集成算法(SVME-WICISA)。这2种集成方法通过样本选择来构建精度高、差异大的子分类器,并将其集成。利用4类水下目标实测数据进行了分类仿真实验。实验结果表明:SVME-WRNN算法和SVME-WICISA算法与SVME算法(无样本选择)相比较,在识别率相当的情况下,大幅度地降低了训练样本数目,得到的综合分类器具有良好的分类精度。
- 杨宏晖王芸戴健
- 关键词：支持向量机水声学目标识别
- 加权免疫克隆样本选择与特征选择融合算法
- 本文提出了一种加权免疫克隆样本选择与特征选择融合的算法。这种算法打破传统,将样本选择与特征选择这两种原本独立进行的分类识别过程结合起来,以获得性能更好的学习机。该种算法首先用支持向量机(SVM)训练测试的方法对分类性能好...
- 王芸杨宏晖戴健
- 关键词：支持向量机
- 文献传递
- 用于水声目标识别的自适应免疫特征选择算法被引量：10
- 2011年
- 针对水声目标小样本识别中样本数目有限而特征数目不断增加,导致分类系统分类性能下降的问题,提出了一种新的自适应免疫特征选择算法(AIFSA).该算法先利用先验知识生成初始种群,接着利用交叉、变异和新的自适应免疫算子指导种群进化,每代中对分类贡献大且选择特征数目少的个体适应度值高.AIFSA具有可以利用先验知识、收敛速度快以及优化特征子集维数小的优点.提取了实测4类水声目标的多域特征,进行特征选择和分类识别仿真实验,结果表明:AIFSA可以选择有效特征子集,在特征维数下降60%的情况下,支持向量机分类器的平均正确分类率下降很小;AIFSA与标准遗传算法相比,收敛快、稳定,所得优化特征子集具有更高的正确分类率和更好的范化性能.
- 杨宏晖戴健孙进才杜方键彭圆李桂娟
- 关键词：水声目标识别
- 融合样本选择与特征选择的AdaBoost支持向量机集成算法被引量：11
- 2014年
- 为提高AdaBoost分类器集成算法的分类精确度并简化分类系统的复杂度,提出一种融合样本选择与特征选择的AdaBoost支持向量机集成算法（IFSelect-SVME）.该算法在AdaBoost算法的每个循环中利用加权免疫克隆样本选择算法进行样本选择,并用互信息顺序向前特征选择算法进行特征选择,再利用每个循环优化选择得到的特征样本子集训练个体SVM分类器,并对其进行加权集成,生成最终的决策系统.对实验所用9组UCI数据集的仿真结果表明：与支持向量机集成（SVME）算法相比,IFSelect-SVME算法的正确分类率有所提高,且样本数可减少30.8％～80.0％,特征数可减少32.2％～81.5％,简化了集成结构,缩短了测试样本的分类时间,所得到的分类系统具有更好的分类精度.
- 杨宏晖王芸孙进才戴健李亚安
- 关键词：分类器集成ADABOOST算法支持向量机
