[发明专利]基于概率阈值的Logistic-SVM目标识别算法

权利要求书

1.一种基于概率阈值的Logistic-SVM目标识别算法，其特征在于，步骤如下：

步骤1、选定样本集的特征参量，具体为：

选择特征参数[P_e,T,K_v,K_w]，其中，P_e为峰值、T为脉宽、K_v为最大斜率、K_w为全局斜率；脉宽T修改为门限P_e′上升到峰值P_e处的时间宽度，门限P_e′为峰值的一半；

步骤2、仿真获取训练样本集、交叉验证集和测试集，训练样本集、交叉验证集和测试集中均含有目标仿真信号和波形诱骗假目标仿真信号；

步骤3、利用步骤1和步骤2中的特征参量、训练样本集、交叉验证集和测试集对Logistic回归模型和SVM进行训练、验证和测试；SVM分类过程中采用了FCSVM算法，具体为：

设s_j为训练后产生的N个支持向量，构成向量集S＝{s_j|s_j∈S,j＝1,...N}，将S分解为2个支持向量子集P和Q，P＝{s_k|s_k∈S,k ＝1,...,m}，Q＝{s_k|s_k∈S,k ＝m+1,...,N}；将所有样本x_i和支持向量s_j通过非线性函数Φ映射到一个高维特征空间H，则X关于P和Q在特征空间H中的内积矩阵为K_m和K_n，定义一个变换矩阵W^T，满足K_n＝W^TK_m，其中

取满足Mercer条件的核函数K(x_i,s_j)＝Φ(x_i)Φ(s_j)，令K_ij＝Φ(x_i)Φ(s_j)则

设SVM的分类函数为符号函数f(x)，其具体形式如下：

其中，α_j为Lagrange乘子，且满足α_j＞0，y_j为s_j的类标示，且y_j∈{+1,-1}，c是类标示阈值；则改进后的精简的分类函数为

其中，

K_t＝(K_t,1,K_t,2,...,K_t,m)^T

步骤4、输入待分类信号样本；

步骤5、利用Logistic回归算法获得P(Y＝1|x)和P(Y＝0|x)，其中，P(Y|X)为二阶逻辑斯谛回归模型的条件概率分布，x∈Rⁿ为输入，Y∈{0,1}为输出，w∈Rⁿ为权值向量，b∈R为偏置；

步骤6、进行判定，当P(Y＝1|x)和P(Y＝0|x)的差值绝对值超过概率判别阈值P_t，将实例x划分到概率值较大的一类；

当P(Y＝1|x)和P(Y＝0|x)的差值低于概率判别阈值P_t，忽略Logistic回归的判定结果，利用SVM对目标信号重新分类；

步骤7、综合步骤6中的结果，当目标信号属于目标信号类，则识别该目标；当目标信号属于波形诱骗假目标仿真信号类，则屏蔽该信号。