[发明专利]一种基于因子分析的地形匹配区自组织优化分类方法

说明书

本发明公开了一种基于因子分析的地形匹配区自组织优化分类方法，包括以下步骤：首先利用基本适配特征参数和适配性验证指标构建数据库，利用相关分析和因子分析建立简化的基本适配特征参数和地形适配性之间的物理关系，然后从建立的数据库中随机选取训练样本和测试样本，将训练样本划分成多个类别，并标记类别标签，样本训练之后共获得多组优化参数，其中每一组优化参数都采用遗传算法构建一个相应的支持向量机分类器，利用经训练得到的支持向量机分类器对测试样本进行分类，通过投票表决策略决定测试样本的类别标签。本发明具有分类正确率较高，误判风险较低的特点，可应用于地形匹配和航迹规划。

技术领域

本发明属于地形辅助导航适配技术，具体涉及一种基于因子分析的地形匹配区自组织优化分类方法。

背景技术

水下地形辅助导航对作为导航资源的地形区域的要求是：地形不会随时间发生明显变化；地形应有足够的变化；具有足够的分辨率和精度；符合隐蔽性要求。故地形适配区的特性是影响地形辅助导航系统精度的一个重要因素。

目前地形适配性研究主要从定性和定量两种角度讨论适配区选取问题，定量研究主要是通过建立数学关系表达式对适配性验证指标进行运算，而定性研究的优势在于，在实际应用中有时只需了解该区域是否适合匹配即可。

候选匹配区分类是指通过对基本适配特征的分析实现对适配性能的定性评价，近年来，关于候选匹配区分类问题的研究大致可总结为常用的5种类型：单一基本适配特征策略、交集策略、层次筛选策略、公式判定策略和分类器策略。前三种策略存在较大的主观性和经验性并且判定准则的提取难度较大，可能会导致评价结论存在冲突和争议性，另外公式判定策略中数学公式建立的真实性有待考察，故利用人工智能领域中的分类器策略作为适配性能的评判工具，一方面可以将分类器的知识通过机器学习融入分类器，另一方面也可以最大程度上降低主观性。

发明内容

发明目的：本发明的目的在于克服现有技术的不足，提出一种基于因子分析的地形匹配区自组织优化分类方法，可有效提高候选匹配区的分类正确率，降低分类结果的误判风险，避免一定的主观性，有利于指导地形匹配。

技术方案：本发明的基于因子分析的地形匹配区自组织优化分类方法，包括以下步骤：

(1)计算基本适配特征参数和适配性验证指标，建立面向地形适配性分析的数据库；

(2)采用皮尔逊相关系数对基本适配特征参数进行相关分析，具体为：根据水下潜器作业任务的实际应用，以保留相关系数值不大于0.9的基本适配特征参数中计算复杂度低者为基本准则，对基本适配特征参数进行筛选合并，得到简化的基本适配特征参数；

(3)先对简化的基本适配特征参数进行均值中心和方差规整，即标准化处理，然后利用主成分法从标准化处理后的基本适配特征参数中提取特征值大于1的主成分作为公共因子，同时计算未旋转的因子载荷矩阵；

(4)采用最大旋转法进行因子正交旋转，得到旋转因子载荷矩阵；

(5)分析旋转因子载荷矩阵中每一列的主成分载荷因子，建立简化的基本适配特征参数与地形适配性之间明确的物理关系；

(6)从步骤(1)建立的数据库中随机选取S_Train个训练样本，将每个样本划分成k 个类别，类别标签记为Y＝{y₁,y₂,y₃,…,y_k}，其中k＝3,4,5,…,N，训练之后共获得t＝k(k-1)/2 组优化参数，每一组优化参数包括最优特征子集subF*、支持向量机惩罚参数C*和高斯径向基核函数参数τ^*，对每一组优化参数都采用如下方法构建一个相应的支持向量机分类器，从而得到t个支持向量机分类器：