TA的每日心情 | 开心
2020-8-5 15:09 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 针对现有直觉模糊核匹配追踪算法采用贪婪算法搜索最优基函数而导致学习时间过长的问题，汲取了 粒子群优化算法全局搜索能力强、收敛速度快的优势对最优基函数的搜索过程进行优化，提出了一种基于粒子群优化 的直觉模糊核匹配追踪算法，并将该算法应用于时效性要求更高的空天目标识别领域．实验结果表明，与传统方法相 比，本文方法在识别率相当的情况下有效缩短一次匹配追踪时间，计算效率明显提高，且所得模型具有稀疏性好，泛化 能力高等优点，特别适用于兼顾识别率和实时性的应用领域．
1 | p7 z6 _, m( ~
6 u+ h4 F4 y |/ q; ]关键词： 直觉模糊集；核匹配追踪；粒子群优化；贪婪算法
$ u3 {; m& w/ r' p8 |5 M+ Z! q& h: [7 p
5 w# l8 Q0 n$ y4 X
+ ~, T4 K& C0 ^* k. e' U. n) R
２００２年，ＰａｓｃａｌＶｉｎｃｅｎｔ和 ＹｏｓｈｕａＢｅｎｇｉｏ［１］提出了一 种新 的 核 机 器 方 法———核 匹 配 追 踪 （ＫｅｒｎｅｌＭａｔｃｈｉｎｇ Ｐｕｒｓｕｉｔ，ＫＭＰ），其主要思想源自于信号处理中的匹配追 踪（ＭａｔｃｈｉｎｇＰｕｒｓｕｉｔ，ＭＰ）算法及核方法．通过核函数将训 练样本集投影到高维空间，从而形成一组基函数字典 库，然后利用贪婪算法在函数字典库中搜索一组基函数 的线性组合来逼近目标函数．ＫＭＰ学习机的性能与支 持向量机相当，却有着更为稀疏的解．此外，同其它核方 法相比较，ＫＭＰ对核函数的要求很低，在 ＫＭＰ中应用的 核函数甚至可以使用任意的核，而不必满足 Ｍｅｒｃｅｒ条 件，并可采用多个核函数生成函数字典库．目前，ＫＭＰ 理论已成功应用于图像识别、目标分类、人脸识别、特征 模式识别等多个领域［２～５］．
! ]( y& N$ k2 d2 j, A O; C/ Z( D/ l5 S- A9 T
3 m- i2 p9 L$ A* `* C6 d" @0 f
附件下载：
基于粒子群优化的直觉模糊核匹配追踪算法.pdf
(1.67 MB, 下载次数: 0)
) a' D5 ~( h4 N6 t- @+ p9 ` |
|
/1 
发表于 2021-3-19 10:09
收藏
淘帖
支持！
反对！