基于PSO-GWO-SVM的周界安防信号识别研究

来源：激光与红外杂志2018年第3期北京时间：

作者：江虹

单位：长春工业大学电气与电子工程学院,吉林 长春 130012；

摘要：针对支持向量机(SVM)在大规模入侵信号分类时存在的局限性,提出了一种改进的SVM信号识别方法。该方法首先采用粒子群优化算法(PSO)来生成多样化的初始位置,然后利用灰狼优化算法(GWO)更新离散搜索空间中样本的当前位置,获得最优特征子集；最后基于最优特征子集用SVM对待测样本进行分类识别。实验结果显明,在识别周界入侵信号时,基于PSO-GWO-SVM算法的分类器获得了96.86%的准确率、95.82%的灵敏度(SE)和96.31%的特异性。与传统的信号识别方法相比,具有更优异的识别精度、适应性和时效性。

关键词：PSO-GWO优化;支持向量机;最优特征子集;入侵信号识别

基金资助：吉林省科技厅基金项目(No.20150204019SF)资助