文献类型：期刊文章

作　　者：张宗堂[1] 王森[2] 孙世林[1]

ZHANG Zongtang;WANG Sen;SUN Shilin(Navigation and Observation Department,Navy Submarine Academy,Qingdao 266000,Shandong,China;91154 force,Sanya 572000,Hainan,China)

机构地区：[1]海军潜艇学院航海观通系,山东青岛266000 [2]91154部队,海南三亚572000

出　　处：《山东大学学报（工学版）》

年　　份：2019

卷　　号：49

期　　号：4

起止页码：8-13

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：针对水声目标识别中常被忽略的数据不平衡问题,提出一种随机子空间AdaBoost算法(RSBoost)。通过随机子空间法在不同水声特征空间上提取子训练样本集,在各个子训练样本集上训练基分类器,将其中少类间隔均值最大的基分类器作为本轮选定的分类器,迭代形成最终集成分类器。在实测数据上进行试验,利用F-measure和G-mean两个准则对RSBoost算法和AdaBoost算法在不同特征集上的性能进行评价。试验结果表明:相对于AdaBoost算法,RSBoost算法在F-measure准则下的平均值由0.07提升到0.22,在G-mean准则下的平均值由0.18提升到0.25,说明在处理水声数据不平衡分类问题上,RSBoost算法优于AdaBoost算法。

关 键 词：不平衡数据 集成学习  水声目标识别 ADABOOST算法 随机子空间

分 类 号：TP391]