發(fā)布時(shí)間：2021-11-16 03:40

　　為了解決通信輻射源個(gè)體中標(biāo)簽獲取難問題,引入半監(jiān)督機(jī)器學(xué)習(xí)理論,提出了一種基于預(yù)測置信度進(jìn)行迭代的半監(jiān)督學(xué)習(xí)算法（Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-TSVM）。該方法在TSVM算法的基礎(chǔ)上,充分利用無標(biāo)簽樣本,根據(jù)預(yù)測結(jié)果置信度進(jìn)行迭代,能夠大幅度減少分類器的運(yùn)算量。計(jì)算機(jī)仿真表明,在有標(biāo)簽樣本數(shù)目占總樣本2%的情況下,CP-TSVM較TSVM算法在保證識(shí)別準(zhǔn)確率的同時(shí),模型訓(xùn)練時(shí)間縮短近60 s。 

【文章來源】：電訊技術(shù). 2020,60(09)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

基于CP-TSVM的通信輻射源個(gè)體流程圖

CP-TSVM算法流程圖

雙譜變換得到的是二維譜，采用矩形路徑積分法將二維譜變成一維。雙譜變換中NFFT點(diǎn)數(shù)選用1 024點(diǎn)，SIB矩形積分過后得到512維的特征向量。為了避免高維向量給分類器性能帶來的影響，采用主成分分析法[16]對(duì)特征向量進(jìn)行降維處理。通過實(shí)驗(yàn)來完成PCA維數(shù)的選取，逐步增加主成分的維數(shù)，發(fā)現(xiàn)識(shí)別正確率先上升后下降，結(jié)果如圖3所示，在20～60維區(qū)間內(nèi)識(shí)別率最高，兼顧準(zhǔn)確率和運(yùn)算效率，最終選取主成分維數(shù)為30維。2.2 實(shí)驗(yàn)結(jié)果分析


本文編號(hào)：3498084