基于蚁群特征选择并行分类集成学习的孪生辐射源个体识别

为了提高辐射源个体识别的准确性和可靠性，定义并研究了双辐射源个体识别问题，提出了一种基于蚁群特征选择并行分类集成学习的双辐射源个体识别方法。皮尔森相关系数方法用于确定不同分类器输出结果的分布矩阵的差异。以基于蚁群特征选择的并行分类器中分类精度最高、差异最大、输入特征子集大小最小为目标，建立了设计模型，并根据模型的特点设计了求解模型的蚁群算法。每个子分类器根据其与所有子分类器的差异和可靠性确定权重。差异和可靠性越大，重量越大。最后根据不同权重子分类器预测结果的加权和进行决策。为了验证该方法的优越性，在原始无线电台采集信号、添加10个dB噪声和添加5个dB噪声的三组数据下，将新方法与单分类器、Adaboost算法和随机森林算法进行了比较。结果表明，提出的并行分类器设计模型的分类准确率分别为88.70%、76.70%和64.80%，提高了特征利用率和分类准确率，优于其他三种方法。