基于压缩感知和随机森林的模式识别方法研究

《基于压缩感知和随机森林的模式识别方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：工学硕士学位论文基于压缩感知和随机森林的模式识别方法研究硕士研究生：朱晓蕾指导教师：林云副教授学科、专业：信息与通信工程论文主审人：李志刚副教授哈尔滨工程大学2018年3月分类号：密级：UDC：编号：工学硕士学位论文基于压缩感知和随机森林的模式识别方法研究硕士研究生：朱晓蕾指导教师：林云副教授学位级别：工学硕士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2018年3月14日论文答辩日期：2018年3月9日学位授予单位：哈尔滨工程大学ClassifiedIndex:U.D.C:A

2、DissertationfortheDegreeofM.EngResearchonPatternRecognitionMethodBasedonCompressiveSensingandRandomForestCandidate:ZhuXiaoleiSupervisor:Prof.LinYunAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngineeringDateofSubmission:March14,201

3、8DateofOralExamination:March9,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者（签字）：日期：年月日哈尔滨工

4、程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后□解密后）由哈尔滨工程大学

5、送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日基于压缩感知和随机森林的模式识别方法研究摘要信息时代的发展，使得人类每天都会处理大量复杂的信息。模式识别能够利用计算机将大量的信息自动分到各自的模式类中，在越来越多的领域中得到了广泛应用。本文的研究目的是提供一种构建模式识别系统模型的思路，利用特征提取和分类器的选择，讨论模型构建的过程与选择标准，最终给出可以适合任何模式识别的结构框架。针对以上，本论文深入开展了如下工作：首先，分析比较了三种传统的主成分分析降维方法和压缩感知降维方法。深入研究了这几种降维

6、方法的原理及在特征提取时的应用。介绍了几种常见的分类器，并对随机森林分类器做了详细说明。其次，提出一种新的鲁棒的降维方法，其能够使样本在降维后去除部分噪声，提高分类精度。从降维之后的能量占比、降维样本类内距离和类间距离，以及降维后的样本识别正确率三个方面，验证了提出的降维方法的有效性。设计了基于降维方法的调制信号识别方法，最终给出了针对2FSK、BPSK、QPS、MSK以及2ASK这几种调制信号的模式识别系统模型，其在信噪比大于-10dB的环境下对这五种调制信号的识别率大于90%。最后，对随机森林分类器的投票环节做了适当的改进，

7、提出了改进的随机森林算法，提高随机森林在噪声较多的环境下的分类性能。设计了基于瞬态信号的通信电台识别。以十台摩托罗拉对讲机为研究对象，不考虑多径、时延、温度以及设备老化等因素，利用高性能Agilent示波器与通信电台用线缆连接，以40MHz的采样率直接采集开机瞬态信号，采样点数为159901。以瞬态信号的希尔伯特变换包络特征为初始特征，对比三种主成分分析降维方法，通过能量保留度、降维后样本类内距离以及降维样本分类精度的角度，得出最佳降维方法。在不同维数样本作为输入的情况下，比较了随机森林、支持向量机、BP神经网络、灰色关联分析这

8、四种分类器的识别结果，并用DS证据理论对随机森林分类器进行了改进，提高其分类正确率。利用改进的随机森林分类器在信噪比大于6dB的情况下对本文实验中的通信电台识别率高达90%。关键词：模式识别；压缩感知；随机森林；特征降维哈尔滨工程大学硕士学位论文基于压缩感知和随