基于随机森林的微动特征重要性评估研究

为了减少气动目标识别的冗余度，进一步降低特征维数，本文引入随机森林来评估多维微动特征的重要性。首先介绍了随机森林算法及其工程实现过程，然后给出了时域、频域和时频域等18维微动特征提取方法。最后，利用Aristole波段实测数据验证了基于随机森林的特征重要性评估算法，分析了特征选择对Fisher、支持向量机和决策树分类器性能的影响，以及雷达相干积累脉冲数对特征重要性评估的影响。对于Fisher和支持向量机，随着特征维数的增加，分类精度可以得到一定程度的提高。对于决策树，只有重要度较高的特征才有助于提高分类精度。