基于直觉模糊核匹配追踪集成的目标识别方法

针对现有直觉模糊核匹配追踪算法采用部分样本进行训练和停机策略而导致学习机泛化能力下降的缺陷,结合集成学习的思想,提出了一种基于直觉模糊核匹配追踪集成的目标识别方法。该算法通过采用样本扰动和参数扰动的二重扰动策略产生子学习机,并利用多数投票法对其识别结果进行融合,从而提高了集成学习机的分类精度和泛化性能。实验结果表明,与传统方法相比,该方法可获得更优的识别效果,有效提高了识别精度,并能避免采样学习带来的不稳定性。