[发明专利]一种改进的SVM一维像舰艇和货船分类方法

权利要求书

1.一种改进的SVM一维像舰艇和货船分类方法，其特征在于：

Step1：通过雷达一维像数据预处理获得目标特征数据，根据目标占获取一维像长度的比例进行预判，分类取截取门限gate，再根据截取门限截取CFAR后的目标数据，获得目标特征数据；

Step2：判断雷达一维像特征数据特征，清洗异常数据；

Step3：对清洗后的一维像特征数据进行尺度变换，形成统一长度的标准一维像格式，假设变化前有n个点，变换后的标准格式是m个点，原始数据为P(i),i＝1,2,3,...,n，变换后的数据为P’(j),j＝1,2,3,...,m，变化规则为：

Step4：对尺度变化后的等长一维像特征信息进行特征二次提取，包括归一化处理、四等分后强散射点分步统计、波形对称性特征提取、波形峰度特征提取、波形峰值个数提取、峰值前缘陡峭度提取、峰值后缘陡峭度提取、峰值形状统计、波形中心与两端幅度比值提取；

Step5：利用加入松弛变量，设计改进最小二乘SVM模型；

Step6：利用训练数据集训练SVM模型进行训练；

Step7：使用测试数据集对训练好的SVM模型性能进行检验，用改进的线性搜索算法优化惩罚因子，其中改进的线性搜索算法步骤如下：

Step7-1：粗估计SVM模型的惩罚参数γ的范围，作为惩罚参数γ的初始搜索范围，并根据搜索范围确定搜索步长step；

Step7-2：以惩罚参数为坐标系的坐标，根据Step7-1选定的γ初始搜索范围，以训练数据集为样本，计算搜索范围两端样本预测准确率，即根据搜索范围的每移动一个步长step的值，计算得到对应的预测准确率，预测准确率最高的那组惩罚参数的值作为当前最优参数γ1；

Step7-3：根据当前最优参数γ1，以其为中心，扩展±step范围，得到新的搜索范围，进行进一步线性搜索，根据新的搜索范围调整搜索步长；

Step7-4：以惩罚参数为坐标系的坐标，根据Step7-3确定新的搜索范围，以训练数据集为样本，计算新的搜索范围两端的样本预测准确率；

Step7-5：从Step7-4计算得到的结果中，选择使得预测准确率最高的惩罚参数值作为最优的γ；

Step8：将SVM模型用于一维像舰艇和货船分类。

2.一种根据权利要求1所述的改进的SVM一维像舰艇和货船分类方法，其特征在于：所述Step1中雷达一维像数据预处理为：确定截取门限，首先对目标占获取一维像长度的比例进行预判，通过两端噪声均值mean，判断超过k倍噪声均值mean的数据段总长度L；根据当数据段总长度L与原始数据总长度关系分类取截取门限gate；利用恒虚警检波器CFAR原理，计算原始一维像数据各点周围均值，与原始数据比较处理，处理Hrrp数据中的小斜坡；根据截取门限对CFAR后的数据处理，超过门限1.6倍的数据为目标一维像。

3.一种根据权利要求1所述的改进的SVM一维像舰艇和货船分类方法，其特征在于：所述Step4中波形中心与两端幅度比值，利用中心聚集率提取方法，将归一化的一维像等分为5等份，计算中间三部分均值与两端均值的比值计算中间三部分均值与两端均值的比值：

其中，X1，X2，X3，X4，X5为按序5等分后的数据集合。