水下航行器噪声源识别是一个小样本条件下的模式识别问题。充分利用多个传感器采集的信号是解决小样本问题的有效途径。但是,目前各个传感器在整体评估中所占的权重没有一种合理的评估方法。文章利用直推式置信机(TCM)可以给出分类预测...水下航行器噪声源识别是一个小样本条件下的模式识别问题。充分利用多个传感器采集的信号是解决小样本问题的有效途径。但是,目前各个传感器在整体评估中所占的权重没有一种合理的评估方法。文章利用直推式置信机(TCM)可以给出分类预测置信的能力,首先提出一种改进的奇异值测量方法,提高计算预测置信的准确性。然后将该置信作为传感器权重的有效表征,提出了一种多传感器信息融合的改进型直推式置信机算法,即TCM-IKNN-M(Transductive Confidence Machine for Improved K-Nearest Neighbors based on Multi_sensors)算法。舱段模型试验表明,文中提出的算法有效地利用了多个传感器的信息,大大提高了识别的正确率。展开更多
文摘水下航行器噪声源识别是一个小样本条件下的模式识别问题。充分利用多个传感器采集的信号是解决小样本问题的有效途径。但是,目前各个传感器在整体评估中所占的权重没有一种合理的评估方法。文章利用直推式置信机(TCM)可以给出分类预测置信的能力,首先提出一种改进的奇异值测量方法,提高计算预测置信的准确性。然后将该置信作为传感器权重的有效表征,提出了一种多传感器信息融合的改进型直推式置信机算法,即TCM-IKNN-M(Transductive Confidence Machine for Improved K-Nearest Neighbors based on Multi_sensors)算法。舱段模型试验表明,文中提出的算法有效地利用了多个传感器的信息,大大提高了识别的正确率。