基于人工魚群優化SVM的聲磁標簽信號檢測研究

鄧記才,耿亞南

(鄭州大學 信息工程學院，河南 鄭州 450001)

基于人工魚群優化SVM的聲磁標簽信號檢測研究

鄧記才,耿亞南

(鄭州大學 信息工程學院，河南 鄭州 450001)

為了提高聲磁EAS系統的檢測率，增強系統抗干擾性，研究了一種改進人工魚群算法(IAFSA)與支持向量機(SVM)相結合的聲磁標簽信號檢測算法(IAFSA-SVM)．分析了支持向量機和傳統人工魚群算法的優勢和缺陷，并提出了改進方案．實驗表明：改進人工魚群算法相比人工魚群算法、遺傳算法和粒子群算法收斂速度更快、尋優精度更高；IASFA-SVM算法相比傳統的聲磁標簽檢測算法體現出了檢測率高、檢測距離遠和誤報率低等優勢,并且可以滿足系統實時檢測要求．

人工魚群算法；支持向量機；聲磁標簽；檢測率；實時檢測

0 引言

聲磁EAS(electronic article surveillance，EAS)系統是利用音叉原理設計，廣泛應用于零售行業的電子商品防盜系統[1]．針對EAS系統的研究，國外研究重點在電磁輻射和標簽識別算法方面，而國內主要針對系統的硬件電路設計．目前，國內研發的聲磁EAS系統采用的標簽識別方法主要是快速傅立葉變換(FFT)和計算信噪比(SNR)，雖然這兩種算法實時性好、靈敏度高，但檢測率較低．有研究者嘗試將兩種算法相結合，采用雙門限檢測策略，應用發現漏報現象嚴重．支持向量機[2](support vector machine,SVM)是基于統計學習的VC維理論和結構風險最小原理的一種新型的機器學習方法．測試發現，SVM模型的學習能力受參數設置的影響很大，而由于學習對象的不同，參數的選擇并沒有規……