《表2 SVM相关参数：基于时频特征的抹香鲸Click与传统声呐信号的分类方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于时频特征的抹香鲸Click与传统声呐信号的分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

SVM是一种定义在输入特征空间上的间隔最大分类器，它能较好地解决小样本、非线性、高维数和局部极小点等问题，是求解特征识别分类问题的有效工具。本文使用基于核方法的非线性SVM，通过使用核函数将原空间的分类数据映射到新空间，从而在新空间里用线性分类学习方法从训练数据中学习分类模型。为解决任意维数的特征矩阵问题，选用径向基函数（Radial basis function，RBF）作为核函数。由于SVM一般针对二分类任务，而本文中有4种待分类信号，因此通过“一对一”（one vs one，ovo）方法设计多分类SVM。该方法通过在每两个目标类别之间训练一个分类器来获取分类器的权值和偏置系数；因此对于四分类问题，需要设计6个二分类器。当对输入特征进行分类时，每个分类器都对其类别进行判断，然后在决策阶段采用“投票法”判断输入特征的实际所属类别。所用SVM详细参数如表2所示。