[发明专利]一种基于可信度估计的水下多类目标分类方法

权利要求书

1.一种基于可信度估计的水下多类目标分类方法，其特征在于包括以下步骤：

第一步，通过水听器录取多类目标的数据作为样本集M＝{X_k,Y_l}，其中，X_k＝{x₁,x₂,…,x_k}表示送入到SVM分类器中的训练集，Y_l＝{y₁,y₂,…,y_l}表示送入到SVM分类器中的测试集；构建水下多目标集Θ＝{θ₁,θ₂,…θ_N}，其幂集用表示，其中多目标集Θ中所有目标作为样本组成样本集M，θ_i表示所要分类的多类目标的类型，i＝1,2,...,N，N表示需要判别的水下目标类别的类别数，表示空集；

第二步，依次把某个类别的样本归为一类，其余的样本归为一类，从而构造出N个二类SVM分类器；将训练集X_k＝{x₁,x₂,…,x_k}中的元素送入二类SVM分类器得到N对分类结果m_j(·)，j＝1,2,…,N；

第三步，将第二步中得到的每个二类SVM分类器的分类结果带入公式计算矛盾因子其中，A_i表示包含所要判断的水下目标类别的集合；

第四步，对测试集Y_l＝{y₁,y₂,…,y_l}中样本数据构成的矩阵求解矩阵行的均值与标准差σ_l，用高斯型隶属度函数得到每个二类SVM分类器的置信度

第五步，构建置信融合规则，得到需要判别的水下目标的概率

其中，θ_i表示所要分类的多类目标的类型。

2.根据权利要求1所述的基于可信度估计的水下多类目标分类方法，其特征在于：所述的第一步中，训练集与测试集的划分是利用cvpartition函数，按照30％用于训练、70％用于测试的规则进行划分。