联合特征选择与改进集成学习模型的海底底质分类

作者：逄岩; 许枫; 刘佳; 李益丞; 赵越

来源：声学学报(中文版), 2023, 48(01): 83-92.

DOI：10.15949/j.cnki.0371-0025.2023.01.006

• 特征选择
• 集成学习模型
• Stacking
• 海底底质分类

针对侧扫声呐获取类型复杂的海底底质数据分类问题,提出联合特征选择与改进Stacking模型的数据自驱动分类方法。该方法首先在海底散射数据多域态特征的基础上采用ReliefF算法提取有效的低维度特征,然后将人工鱼群算法与Stacking模型结合形成改进集成学习分类器,完成海底底质分类。海上数据处理结果表明该方法可对多种海底底质类型进行分类,分类准确率、Kappa系数和F1-score分别达到85.55%,0.857和0.887,证明了该方法的有效性。

• 单位
  中国科学院大学; 中国科学院声学研究所