[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

摘要

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。

主权项

1.一种基于因子分析的地形匹配区自组织优化分类方法，其特征在于，该方法包括以下步骤：(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STrain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,…,yk}，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：将支持向量机的惩罚参数C、高斯径向基核函数参数τ和简化的基本适配特征参数三部分按照二进制形式编码，随机产生Npopulation个初始种群Group(0)，设置进化代数计数器g的初始值为1、最大进化代数为MaxGeneration；61)选取来自两个不同类别标签ym和yn的数据计算种群Group(g‑1)中每个个体的适应度函数值，其中m＝1,2,…,k‑1，n＝1,2,…,k‑1，mMaxGeneration，则从Group(MaxGeneration)中输出一组适应度函数值最小的个体并解码得到一组最优特征子集subF*、支持向量机惩罚参数C*和高斯径向基核函数参数τ*，即得到一个支持向量机分类器；(7)从步骤(1)建立的数据库中随机选取与训练样本不相同的STest个测试样本，先利用经训练构建的t个支持向量机分类器对每个测试样本进行分类，再利用投票表决策略来决定每个测试样本的类别标签。