1.一种基于弹球损失的FisherSVM声纳信号判别方法,其特征在于,包括:构建基于Fisher准则正则化支持向量机的判别模型;
根据弹球损失函数利用样本集合对所述判别模型进行优化,以确定所述判别模型的权重向量和偏差值;
将目标探测物体的声呐信号数据输入所述判别模型,得到模型输出结果,并根据所述模型输出结果确定所述目标探测物体的类型判别结果。
2.如权利要求1所述的方法,其特征在于,所述将目标探测物体的声呐信号数据输入所述判别模型,包括:按照预设归一化方式对目标探测物体的声呐信号数据进行归一化操作,并将归一化后的声呐信号数据输入所述判别模型。
3.如权利要求2所述的方法,其特征在于,所述声呐信号数据包括多个特征,各个所述特征用于表示在预设时间内相应频带内的能量。
4.如权利要求1所述的方法,其特征在于,所述样本集合包括多组带类别标签的声呐信号数据,其中所述类别标签包括岩石和金属。
5.如权利要求4所述的方法,其特征在于,所述根据所述模型输出结果确定所述目标探测物体的类型判别结果,包括:根据所述模型输出结果和预设公式,得到所述目标探测物体的类型判别结果,所述预设公式为:其中, 为所述判别模型的模型输出结果,sign(·)为符号函数;若 为1,则所述类型判别结果为金属,若 为-1,则所述类型判别结果为岩石。
6.如权利要求1所述的方法,其特征在于,所述构建基于Fisher准则正则化支持向量机的判别模型,包括:构建基于Fisher准则正则化支持向量机的判别模型,所述判别模型的判别函数为:其中, 为所述判别模型的模型输出结果,l表示所述样本集合的样本数量,xi表示所述样本集合中第i个样本,αi表示xi的权重向量,x表示输入向量,k(·)为核函数,b表示偏差值。
7.如权利要求1-6任意一项所述的方法,其特征在于,所述根据弹球损失函数利用样本集合对所述判别模型进行优化,以确定所述判别模型的权重向量和偏差值,包括:确定所述判别模型的目标优化函数,所述目标优化函数为:
s.t.Dy(Kα+b1)≥1-ξ,
其中,α表示权重向量,b表示偏差值;ξ为松弛变量;l表示所述样本集合的样本数量;γK和γF为非负正则化参数;K为核矩阵;N=I-G, 是单位矩阵,G为预设矩阵;Dy为对角矩阵,且Dy的第i行第i列为[Dy]ii=yi,i=1,2,...,l,yi为所述样本集合中第i个样本的类别标签;
根据弹球损失函数对所述目标优化函数中的松弛变量进行形式转换,利用样本集合对所述判别模型进行优化,以确定所述判别模型的权重向量和偏差值,其中,转换后的松弛变量 所述弹球损失函数为:其中,0<τ≤1。
8.一种基于弹球损失的FisherSVM声纳信号判别装置,其特征在于,包括:模型构建模块:用于构建基于Fisher准则正则化支持向量机的判别模型;
模型优化模块:用于根据弹球损失函数利用样本集合对所述判别模型进行优化,以确定所述判别模型的权重向量和偏差值;
判别结果模块:用于将目标探测物体的声呐信号数据输入所述判别模型,得到模型输出结果,并根据所述模型输出结果确定所述目标探测物体的类型判别结果。
9.一种基于弹球损失的FisherSVM声纳信号判别设备,其特征在于,包括:存储器:用于存储计算机程序;
处理器:用于执行所述计算机程序,以实现如权利要求1-7任意一项所述的一种基于弹球损失的FisherSVM声纳信号判别方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时用于实现如权利要求1-7任意一项所述的一种基于弹球损失的FisherSVM声纳信号判别方法的步骤。