南京邮电大学通信与信息工程学院信号处理与传输研究院,江苏 南京 210003
针对未知物体的分类问题,提出了一种基于支持向量机和关联成像的分类方法。该方法利用线性判别分析法提取出物体的特征向量,并根据该特征向量设计出应用于关联成像系统的特征散斑,将特征散斑照射物体获得桶探测器值,支持向量机可以依据桶探测器值进行判别从而获得物体的类别。该方法的可行性在MNIST数据集上得到了验证,结果表明,该方法在10个分类任务中均可取得较高的分类准确率,平均分类准确率达90.5%。与其他分类方法的对比结果表明,所提方法在准确率上更具优势。
关联成像 线性判别分析 机器学习 支持向量机 激光与光电子学进展
2024, 61(10): 1011008