[发明专利]一种局部信息与全局信息融合的目标分类识别方法

说明书

本发明公开了一种局部信息与全局信息融合的目标分类识别方法，通过聚类思想提取训练样本集局部信息，得到K类数据，并计算得出每类数据对应的聚类中心；每类中每个数据得出其初始分类结果，并对其进行修正，计算得出修正后的分类结果与真值的偏差；计算每类中每个数据的初始分类结果与真值的距离权重因子；针对目标样本，计算其与各个聚类中心的距离来自适应选择对应的有效修正矩阵来对该目标样本的初始分类结果进行修正，得出目标的最终分类结果；将聚类的思想应用到数据分类准确率的提升过程中，通过局部信息和全局信息相融合的分类修正方法，对分类器输出进行修正使分类器的识别输出更接近真值，能够有效的改善目标识别的分类精度。

【技术领域】

本发明属于目标识别技术领域，具体涉及一种局部信息与全局信息融合的目标分类识别方法。

【背景技术】

对抗环境下的多传感器目标自动识别技术在军事领域中具有十分重要的作用。由于非合作目标欺骗、干扰等手段的迅速发展，多元、异质传感器的不断运用，使得观测信息中不确定、高冲突等特点日益凸显。在此背景下，如何提高目标识别的精度成为一个越来越重要的问题。

现在针对不确定观测数据目标识别问题的解决方法主要有多分类器融合，构建新的分类器等。多分类器融合技术可以通过提取样本不同的特征，使用不同的分类器，或者通过挑选不同的训练样本集等方法来对分类器进行融合来提升识别的精度。构建新的分类器是通过创建新的分类器来提升分类精度。但传统的分类器大都是基于全局信息，但在一些实际情况下，对于一些处于类别交叉区域的样本，由于局部信息的不精确，初始的分类器输出值与真值存在很大的不同，并经常导致错分现象的发生，仅仅依靠全局信息的思想已经不能满足要求。

现有的目标识别方法大多仅依靠全局信息，少部分仅仅利用局部信息来实现目标识别分类，这些技术方案对于处于类别交叉区域的样本或者处于边缘区域的样本有一定的局限性而不能达到期望的目标识别精度，原因是处于较难区分区域的属性信息往往较模糊，仅利用全局信息或者局部信息难以获得高的分类精度，仅利用全局或者局部信息显然是不合理的。

【发明内容】

本发明的目的是提供一种局部信息与全局信息融合的目标分类识别方法，以解决现有技术中分类精度低、分类代价大的问题。

本发明采用以下技术方案：一种局部信息与全局信息融合的目标分类识别方法，具体包括以下步骤：

步骤一、通过聚类思想提取训练样本集局部信息，得到K类数据，并计算得出每类数据对应的聚类中心，其中，K为大于0的整数；

步骤二、针对步骤一中得到的每类数据中的每个数据得出其初始分类结果并对进行修正，计算得出修正后的分类结果与真值的偏差：

其中，k＝1,2,...,K，N_k为第k类数据中包含的数据的个数，β_k为第k类初始分类结果的修正矩阵，为第k类数据中第N_k个数据的真值，为第k类数据中第N_k个数据经修正矩阵修正后的分类结果，为第k类数据中第N_k个数据修正后的分类结果与真值的偏差；

步骤三、计算每类数据中每个数据的初始分类结果与真值的距离权重因子：

其中，为第k类数据中第N_k个数据初始分类结果与真值的距离权重因子，a为惩罚系数，0<a<1；

步骤四、结合步骤二和步骤三可得：

根据上式可得出目标函数：