[发明专利]一种基于模糊SVM的目标分类方法

说明书

本发明公开了一种基于模糊SVM的目标分类方法，用于模糊区域的分类，包括以下步骤：1）设定分类面：设定有N类分类面，所述N为大于等于2的自然数；2）分类面遗漏概率的计算：N类所述分类面中，没有被分类面识别出的边界点迹占某类目标总数的比例，为每类分类面的遗漏概率；3）分类面遗漏概率门限的设定：根据系统性能指标要求，设置每类分类面的遗漏概率门限；4）边界点迹分类面的确定：对于去掉的边界点迹，计算其距离最近的两个分类面之间的距离，设定为Ra以及Rb；则边界点迹属于A的隶属度为1‑Ra/（Ra+Rb)，属于B的隶属度为1‑Rb/（Ra+Rb)；比较两个隶属度，则边界点迹属于隶属度大的分类面。

技术领域

本发明属于目标分类中二维线性可分的数据集分类技术领域，具体是属于一种基于模糊SVM的目标分类方法。

背景技术

在大多数实际情况中，两类目标的识别特征参数存在部分交叠的情况，无法采用经典的SVM处理技术进行准确划分，因此，需采用模糊SVM技术进行分类，对于交叠部分的特征点迹，分别计算其对于两类目标的隶属度，并根据隶属度分析其属于哪类目标。

参照附图1-2所示，现有技术中，当两类或者两类以上的目标，存在部分交叠时，则无法直接采用直线进行分类识别，造成分类技术的困扰。

发明内容

为了解决上述技术问题，本发明的目的是通过对线性模糊区域进行识别，通过隶属度确定其归属分类。

为了实现上述技术效果，本发明通过以下技术方案予以实现。

一种基于模糊SVM的目标分类方法，用于模糊区域的分类，包括以下步骤：

1)设定分类面：设定有N类分类面，所述N为大于等于2的自然数；

2)分类面遗漏概率的计算：N类所述分类面中，没有被分类面识别出的边界点迹占某类目标总数的比例，为每类分类面的遗漏概率；

3)分类面遗漏概率门限的设定：根据系统性能指标要求，设置每类分类面的遗漏概率门限，当遗漏概率小于遗漏门限概率时，则进行下一步，否则依次去掉边界点迹，重新计算分类面的目标边界及分类面；

4)边界点迹分类面的确定：对于去掉的边界点迹，计算其距离最近的两个分类面之间的距离，设定为Ra以及Rb；则边界点迹属于A的隶属度为1-Ra/(Ra+Rb)，属于B的隶属度为1-Rb/(Ra+Rb)；比较两个隶属度，则边界点迹属于隶属度大的分类面。

作为本发明的进一步改进，所述步骤1)中，N类所述分类面的设定是依据目标点迹的特征，将相同的目标点迹设定为一类，进而使得某一面被划分为若干个分类面，处于同一分类面上的目标点迹，80％以上是相同的目标点迹。通过初始的判断，先将其进行大致的分类，进而能够方便后期模糊区域的分类。

作为本发明的进一步改进，所述步骤2)中，没有被分类面识别出的边界点迹，具体是通过每个分类面中已知的目标特征值，识别出每个分类面上的点迹。由于目标特征值已知，进而，对于模糊区域，其具体点迹归属应该是已知的。

作为本发明的进一步改进，所述步骤2)中分类面遗漏概率的计算，具体包括以下步骤：

21)统计每类分类面的目标边界及每个边界包含的目标数；

22)根据每类目标边界计算出每类目标的分类面集合，同时，从分类面集合中选出隶属度为1的该类目标点迹最多的分类面，确定其为该类目标最终的分类面；

23)从上述最终的分类面中，计算出没有被有效识别的边界点迹数量，其占最终分类面上目标总数的比例，为该类分类面的遗漏概率。

作为本发明的进一步改进，所述步骤3)中，依次去掉边界点迹具体为：