基于AdaBoost与RusBoost的水声目标杂波分类研究与应用

水声目标杂波分类在众多场景中有着重要作用。针对水声目标杂波数据不平衡,人工分类工作量大且效果不佳的问题,介绍AdaBoost和RusBoost机器学习方法,利用两组数量有限的主动水声目标不平衡数据集,分别应用AdaBoost和RusBoost,通过训练和测试对比分析,发现RusBoost分类效果较好,且具有一定泛化能力,能够为后续研究和工作提供依据。