基于K—L变换的船舶噪声特征向量的降维处理.pdfVIP

维普资讯 ” 躺彳啦 瞎 … 船 量脯 理 磁 刘增武 蔡悦斌 (七 六 0研 究所 大连 ．116013) Dimensionalityreductionoffeaturevect forshipnoisebasedonK—Ltransform 叫 T【1／Jf、斗2厶 Liu Zengwu CaiYuebin (Instituteof760，Dalian，I16013) T 弓、2 1 引言 对于模式识别问题来说．特征向量的维数在某种程度上决定了识别系统的分类器设计及其 硬件实现的复杂性。通常．特征向量维数的大小与模式分类器所需样本数据的多少存在某种联 系，当已知模式样本数据受到限制时，特征向量维数增加，则类别间的可分离性明显下降。在 特征维数增加时．要保持识别性能不变．所需的i／i1练样本数必须成倍增加 。另外，特征向量分 量问的相关性或冲突会造成信息冗余，从而影响信息的合理利用，降低了系统的识别性能。 降维处理从本质上讲就是通过一映射过程以实现信息压缩，其 目的是将原始特征向量中 有用的信息投影到少数复台特征向量上，I司时忽略多余的和不相干的信息。本文将采用满足最 小均方差准则的K-L(Karhuen—Loeve)变换实现信息压缩和去除特征向量分量问相关性的目的。 2 变换 L变换是一种与伯里叶变换、沃尔什变换、哈达玛变换等相似的线性变换．可用矩阵表 示为 lr= (1) 式中x 是要变换的矢量， 是变换矩阵，lr是变换后的矢量。一般变换矩阵 与要变挟的矢量 无关。但_在 ￡变换中．矩阵 是根据要变换的矢量 推算出来的．其元素 由矢量 的协方 差矩阵的特征矢量构成 ／(-L变换有两个特点：(1)是唯一产生不相关系数的变换；(2)均方 差撮小。因此，^ 变换是一种最佳变换。 — 展开式的本质是将随机矢量 展开为另一组正交矢量 口 的线性组合．且其展开式系 数 互不相关．这就是其能够用于特征空间降维处理的基础 设有 由 个采样值组成的 维数据矢量 一 ．X2．…．圳 ，‘经式 (1)正交变换，得 lr= ^J…．、_r (2) 式 (1)中 = 【口^口 … Ⅳ1 (3) 口 (i=1，Z．．．… ， )是 ^，维矢量， 是正交归一化的，即 ： [ iiJ “．．．， n】 (4) 口 口 = (5) 由式(4)与 (5)有 r一，。因此 ，r 【 ， ．～ Y=y， 』 ce+ + =∑ (6) 现在．我们的 目的是选择一个由 r的 口个分量(口^，)组成的子集{，Y2,… ， }，在最 小均方差准则下估计出 。这样，删除剩下的( 口)个分量．仅用 lr的 个分量的子集来表 达 时，不致引起明显的误差，从而得到维数压缩的目的。用预选常数 6J代替 的其余 个分量．得 =∑ ．．+∑b．中 (7) 略去原来的If．-口个分量所引起的误差为 ： 一 = ∑ 一)． (8) |=