论文部分内容阅读
通过分析最小二乘支持向量机（LS-SVM）模型的超参数选择对分类器的影响,提出一种采用多样性保持的分布估计算法（EDA-DP）优化选择LS-SVM模型参数的方法。使用基于EDA-DP的LS-SVM分类器模型对基准数据集和雷达目标高分辨距离像数据集进行仿真实验,结果表明,该模型相比基于网格法的分类器模型,平均识别率分别提高了4.2%和1.76%,具有更好的分类性能和泛化能力。