系统工程与电子技术

作者：丁嘉辉(), 汤建龙(), 于正洋()

单位：西安电子科技大学电子工程学院, 陕西 西安 710071

关键词：分类与回归树,计算复杂度,开集识别,集成学习,辐射源分类

基金：中央高校基本科研业务费专项资金;西安电子科技大学研究生创新基金资助课题

常规的分类与回归树算法(classification and regression tree, CART)只能通过重新训练来增加对新类别的认知, 导致样本类别数量较多时训练成本大幅增加。针对这一问题, 提出一种轻量化的增量式集成学习算法: 当新的类别进入到训练集中, 只需在原有集成学习算法中添加具有开集识别能力的CART基分类器, 就可以实现对新类别样本的分类, 而不需要重新训练, 从而降低计算复杂度, 简化学习过程。以辐射源分类为背景的仿真实验表明, 该算法在信噪比大于等于-4 dB的环境中, 可以保持90%以上的分类准确率; 在类别数量较多的情况下, 相比常规CART, 该算法可以大幅度降低新增分类类别所需的训练成本。

来源：2021年第4期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2021年第4期