基于SVM的决策融合鱼类识别.pdfVIP

第３６卷第５期 哈　 尔　 滨　 工　 程　 大　 学　 学　 报 Ｖｏｌ．３６ №．５ ２０１５年５月 Ｊｏｕｒｎａｌ ｏｆ Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ Ｍａｙ ２０１５ 基于ＳＶＭ 的决策融合鱼类识别方法 １，２ １，２ １，２ １，２ 杜伟东 ，李海森 ，魏玉阔 ，徐超 （１．哈尔滨工程大学水声技术重点实验室，黑龙江哈尔滨 １５０００１；２．哈尔滨工程大学水声工程学院，黑龙江哈尔滨 １５０００１） 摘　 要：为解决基于声学散射数据的高精度鱼类识别问题，提出一种基于ＳＶＭ 的多方位声散射数据决策层融合的鱼类 识别方法。 利用小波包变换（ＷＰＴ）和离散余弦变换（ＤＣＴ）方法对多方位声散射数据进行特征提取，并进行特征降维处 理。 然后采用ＳＶＭ分类器对每个方位提取的特征做出多次决策，并输出最终识别结果。 采用３种不同鱼类作为研究对 象，设计了可靠的获取多方位声散射数据的实验方案，给出不同方位数量条件下，基于ＷＰＴ 和ＤＣＴ 特征量的识别率。 理论分析及实验数据处理结果表明，随着方位数量的增加，总体识别率呈升高的趋势，基于ＳＶＭ 的多方位声散射数据决 策层融合方法可以有效提高识别率至９０％以上。 关键词：鱼类识别；多方位；决策融合；支持向量机；小波包变换；离散余弦变换 ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１００６⁃７０４３．２０１４０３０８３ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１３９０．Ｕ１７１０．０２４．ｈｔｍｌ 中图分类号：Ｓ９３２．４；Ｐ７４５　 文献标志码：Ａ　 文章编号：１００６⁃７０４３（２０１５）０５⁃０６２３⁃０５ Ｄｅｃｉｓｉｏｎ ｆｕｓｉｏｎ ｆｉｓｈ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｕｓｉｎｇ ＳＶＭ ａｎｄ ｉｔｓ ｅｘｐｅｒｉｍｅｎｔａｌ ｓｔｕｄｙ １，２ １，２ １，２ １，２ ＤＵ Ｗｅｉｄｏｎｇ ，ＬＩ Ｈａｉｓｅｎ ，ＷＥＩ Ｙｕｋｕｏ ，ＸＵ Ｃｈａｏ （１． Ａｃｏｕｓｔｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｌａｂｏｒａｔｏｒｙ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ；２． Ｃｏｌｌｅｇｅ ｏｆ Ｕｎｄｅｒｗａｔｅｒ Ａｃｏｕｓｔｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｏｒｄｅｒ ｔｏｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｈｉｇｈｐｒｅｃｉｓｉｏｎｆｏｒｆｉｓｈｉｄｅｎｔｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎａｃｏｕｓｔｉｃｓｃａｔｔｅｒｉｎｇｄａｔａ， ａｎ ＳＶＭ⁃ｂａｓｅｄ ｍｕｌｔｉ⁃ａｚｉｍｕｔｈ ｄｅｃｉｓｉｏｎ ｆｕｓｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ａｃｏｕｓｔｉｃ ｓｃａｔｔｅｒｉｎｇ ｄａｔａ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｓｔｕｄｙ． Ｆｉｒｓｔｌｙ， ｔｈｅ ｗａｖｅｌｅｔ ｐａｃｋｅｔ ｔｒａｎｓｆｏｒｍ （ＷＰＴ） ａｎｄ ｄｉｓｃｒｅｔｅ ｃｏｓｉｎｅ ｔｒａｎｓｆｏｒｍ （ＤＣＴ） ｍｅｔｈｏｄｓ ａｒｅ ｕｓｅｄ ｔｏ ｅｘｔｒａｃｔ ｆｅａｔｕｒｅｓ ｆｒｏｍ ｍｕｌｔｉ⁃ａｚｉｍｕｔｈ ａｃｏｕｓｔｉｃ ｓｃａｔｔｅｒｉｎｇ ｄａｔａ ａｎｄｔｈｅ ｅｘｔｒａｃｔｅｄｆｅａｔｕｒｅｓａｒｅｐｒｏｃｅｓｓｅｄｆｏｒ ａ ｄｉｍｅｎｓｉｏｎ⁃ｒｅｄｕｃｔｉｏｎ． Ｓｅｃ⁃ ｏｎｄｌｙ，ＳＶＭ ｃｌａｓｓｉｆｉｅｒｓａｒｅｅｍｐｌｏｙｅｄｔｏｍａｋｅｄｅｃｉｓｉｏｎｓｆｏｒｍｕｌｔｉｐｌｅｔｉｍｅｓｂａｓｅｄｏｎｔｈｅｆｅａｔｕｒｅｓｏｆ ｅａｃｈａｚｉｍｕｔｈ．Ｆｉ⁃ ｎａｌｌｙ，ｔｈｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｒｅｓｕｌｔ ｉｓｆｉｇｕｒｅｄｏｕｔ ａｓｔｈｅｕｌｔｉｍａｔｅｏｕｔｐｕ