-
题名基于混合式特征选择的辐射源个体识别
- 1
-
-
作者
顾楚梅
曹建军
王保卫
徐雨芯
-
机构
国防科技大学第六十三研究所
国防科技大学大数据与决策实验室
南京信息工程大学计算机学院网络空间安全学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第5期267-276,共10页
-
基金
国家自然科学基金(71901215,61371196)
中国博士后科学基金(20090461425,201003797)。
-
文摘
为提高辐射源个体识别的准确率和运算效率,提出了一种基于混合式特征选择的辐射源个体识别。封装式特征选择方法分类正确率高,但计算复杂度高,处理高维数据时效率低。嵌入式特征选择方法计算复杂度低,但依赖于特定分类器。针对上述问题,综合封装式和嵌入式特征选择方法的特点,首先对信号数据使用3种嵌入式方法(随机森林、XGBoost和Ligh-tGBM)初选特征,分别得到随机森林子集、XGBoost子集和LightGBM子集。然后使用封装式方法对初选后得到的子集进行第二次降维,其中搜索策略分别使用序列后向搜索策略和蚁群优化算法,分类算法使用LightGBM。混合式方法共得到6种特征选择模型,通过对比各个模型得到的分类正确率和最优子集中的特征个数,确定最佳混合式特征选择模型。
-
关键词
辐射源个体识别
特征选择
随机森林
XGBoost
LightGBM
序列后向搜索策略
蚁群优化
-
Keywords
Specific emitter identification
Feature selection
Random forest
XGBoost
LightGBM
Sequential backward selection
Ant colony optimization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-