计算机科学››2024,第51卷››问题(5): 267-276.数字对象标识:10.11896/jsjkx.230300216
•计算机网络• 以前的文章 下一篇文章
顾楚梅1,2,3、曹建军1, 2,王保伟三、徐玉新1,2,3
收到:
修订过的:
在线:
出版:
关于作者:
支持单位:
摘要:为了提高特定辐射源识别的准确性和计算效率,提出了一种基于混合特征选择的特定辐射源辨识方法。包裹特征选择方法具有较高的分类精度,但在处理高维数据时计算复杂度高,效率低。嵌入式特征选择方法计算复杂度低,但依赖于特定分类器。为了解决上述问题,结合封装和嵌入特征选择方法的特点,首先,使用三种嵌入方法(随机森林、XGBoost和LightGBM)对信号数据进行初始特征选择,分别获得随机森林子集、XGBoost子集和LightGBM子集。其次,使用包装方法对初选后获得的子集进行二次降维。研究策略分别采用顺序反向选择和蚁群优化算法,分类算法采用LightGBM。该混合特征选择方法共获得六个特征选择模型。通过比较分类精度和每个模型获得的最优子集中的特征数量,确定最优混合特征选择模型。
关键词: 特定发射器识别, 特征选择, 随机森林, XGBoost、, 轻型GBM, 顺序向后选择, 蚁群优化
CLC编号:
顾楚梅、曹建军、王保伟、徐玉新。基于混合特征选择的特定发射极识别[J]。计算机科学,2024,51(5):267-276。
0 / / 推荐
添加到引文管理器 尾注|样板客户经理|ProCite公司|BibTeX公司|参考Works
网址: https://www.jsjkx.com/EN/10.11896/jsjkx-230300216
https://www.jsjkx.com/EN/Y2024/V51/I5/267
引用