多视角声纳目标分类的多核学习框架

摘要

本文将多核学习框架引入到多视角声纳目标的分类任务中。在国际标准UCI Sonar数据集上对现行的多种多核学习方法进行了比较评估。实验结果显示，MKL框架在为分类来自不同视角的声纳目标提供了一种新的基于机器的技术。在该框架下，既无需己知信号的先验知识，也不需要对信号的潜在统计结构进行假设，却能够以可保障的计算复杂度与收敛速度取得令人满意的分类精度。