作者：赵东波; 李辉自适应
摘要：支持向量机（SVM）在雷达目标高分辨距离像（HRRP）识别中可获得较高的正确识别率和更好的泛化性能,然而其性能很大程度上取决于其参数包括核函数参数σ2和惩罚因子C的合理选择。所以利用粒子群优化算法（PSO）全局搜索能力强的优点来搜寻最优参数,并针对粒子群优化易陷入局部最优的问题,提出一种惯性权重自适应改变的改进方法。通过对雷达目标高分辨率距离像（HRRP）的识别实验发现,利用PSO优化SVM参数的方法克服了传统SVM存在的很难精确找到最优参数的缺点,识别准确率也有很大提高;同时惯性权重自适应改变的方法也有效解决了PSO优化的＂早熟＂问题,大大缩短参数寻优时间。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
