[发明专利]一种基于类别置信度的一维距离像多分类器融合识别法

摘要

本发明公开一种基于类别置信度的一维距离像多分类器融合识别法。首先，利用欧式距离测度对经过预处理的实测一维距离像信号样本幅度特征提取其K个最近邻样本；接着，由各子分类器分类结果得到邻域样本类别的可靠性评估进而获得各分类器评估矩阵；最后，由评估矩阵获得该样本所属各类别置信度达到分类目的。本发明基于决策融合理论，结合K‑最近邻思想，利用最近邻和贝叶斯准则获得目标样本的类别置信度完成目标类别划分。相较于单一分类器和传统投票法等决策融合方案，本方法识别精度更高、鲁棒性更好，是具有实用价值的一维距离像决策融合识别方法。

主权项

一种基于类别置信度的一维距离像多分类器融合识别法，其特征在于，步骤如下：第1步：对包含C种类别的训练样本集和测试样本y，提取其归一化幅度特征并进行平移对齐操作，得到平移对齐后的训练样本幅度特征集和测试样本幅度特征hy；第2步：根据K‑最近邻准则，利用欧式距离测度得到测试样本y最近邻的K个训练样本x1,x2,...,xK；第3步：对K个最近邻训练样本，由多种分类器分别对其进行识别得到基于各分类器的邻域样本类别可靠性；第4步：由各分类器下的邻域样本类别可靠性计算各分类器类别评估矩阵Rm(m＝1,2,...,M)；第5步：由分类器类别评估矩阵分别计算各分类器评估精度Gm(m＝1,2,...,M)，对精度较差的分类器进行剔除，最终筛选出M1个分类器进行目标类别置信度赋值；第6步：计算目标各类别置信度Wc(c＝1,2,...,C)，其最大值Wmax所对应的类别即为测试样本最终判定类别归属。