礦井信息化是煤礦安全生產(chǎn)的有效保障,而礦井多個信息子系統(tǒng)往往采用不同的信號模式,形成一體化信息系統(tǒng)必須實現(xiàn)多系統(tǒng)融合,多模信號的檢測識別是多系統(tǒng)融合的關(guān)鍵。針對普通支持向量機（SVM）分類器在礦井大小尺度衰落信道下低識別率的問題,提出優(yōu)化SVM分類識別的方法。將數(shù)據(jù)樣本集分為測試數(shù)據(jù)集和訓練數(shù)據(jù)集,使用遺傳算法對訓練數(shù)據(jù)集中SVM的懲罰因子和核函數(shù)進行尋優(yōu)處理,得到優(yōu)化的SVM模型,并用此模型對測試集進行測試分類。仿真結(jié)果表明,在信噪比為-5 dB的大小尺度衰落信道環(huán)境下,四種信號的平均識別率均能達到80%以上;在信噪比大于-3 dB的大小尺度衰落信道環(huán)境下,四種信號的平均識別率均能達到90%以上。 

【文章來源】：科學技術(shù)與工程. 2020年06期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

信號檢測識別流程

遺傳算法(genetic algorithm, GA)具有全局優(yōu)化搜索的特性,可以通過選擇編碼方法對問題符號進行很好的優(yōu)化,算法中個體的染色體由算法按照一定邏輯隨機生成初始種群決定。在初始種群確定以后,種群中的每一個體都需計算出代表各自優(yōu)劣程度的適應(yīng)度值,繼而以適者生存為原則,篩選出優(yōu)勝個體,可以擴大適應(yīng)度大的個體被選中的概率。遺傳算法流程圖如圖2所示。遺傳算法的參數(shù)主要由六個部分組成,即選擇合適的編碼方式、對種群進行的初始化操作、對適應(yīng)度函數(shù)的確定、停機準則、遺傳算子和遺傳參數(shù)的設(shè)置。

單點交叉算子是交叉算子的一種特殊情況,在群體中任意選擇兩個染色體作為交叉對象,隨機的產(chǎn)生一個交叉點位置,在此位置對基因碼進行交換,從而產(chǎn)生新的兩個子個體的過程,在這個過程中只有一個交叉點位置。單點交叉如圖3所示。2.2 遺傳優(yōu)化SVM分類器步驟


本文編號：2923702