基于L1范数稀疏距离测度学习的单类分类算法

 已有单类分类算法通常采用欧氏测度描述样本间相似关系,然而欧氏测度有时难以较好地反映一些数据集样本的内在分布结构,为此提出一种用于改善单类分类器描述性能的高维空间单类数据距离测度学习算法,与已有距离测度学习算法相比,该算法只需提供目标类数据,通过引入样本先验分布正则化项和L1范数惩罚的距离测度稀疏性约束,能有效解决高维空间小样本情况下的单类数据距离测度学习问题,并通过采用分块协调下降算法高效的解决距离测度学习的优化问题.学习得到的距离测度能容易地嵌入到单类分类器中,仿真实验结果表明采用学习得到的距离测度能有效改善单类分类器的描述性能,特别能够改善覆盖分类的描述能力,从而使得单类分类器具有更强的推广能力.     

杂波环境下的粒子滤波器数据关联方法

为了解决杂波环境下多机动目标的数据关联难题,提出了一种将粒子滤波器(PF)和联合概率数据关联(JPDA)相结合的数据关联算法,该方法首先应用粒子滤波方法对目标的状态进行采样,得到样本(粒子),并结合量测,通过JPDA方法计算得到联合互连事件的关联概率,而该关联概率实际上就是PF中粒子的权值。通过选取适当的有效采样尺度作为衡量PF退化现象的测度,采用重要性重采样技术克服了标准PF的退化现象,降低了算法的计算量。仿真结果表明,粒子滤波方法可以较好地解决杂波环境下跟踪多机动目标的数据关联问题;重要性重采样PF的计算复杂度低于标准PF。     

预测模型结构选择的灰色关联度方法

每一种预测模型结构是一个包含未知信息的灰色系统，根据其灰色性，运用灰色关联分析方法可以克服目前一些定量方法无法适应小样本的DSS模型自动选择的局限性，使选择结果更为科学和客观     

基于DS证据理论的灰色航迹关联技术研究

为了充分利用信号在时间上的冗余性,尽可能降低信号不确定性带来的影响,将DS证据理论引入到灰色航迹关联过程中,对局部节点每一时刻观测样本之间的灰关联度集合给出一个信任测度,然后利用DS组合规则对各时刻观测样本的信任度进行合成,得到信任度更高的结果,从而提升航迹正确关联率。仿真试验结果证明该算法性能明显优于单纯的灰色航迹关联算法。     

基于特征辅助的灰色航迹关联方法

多雷达多目标航迹关联算法大多量测数据中因信息贫瘠的原因导致雷达目标航迹关联精确度较差、性能较低等一系列问题。基于灰色关联分析理论的航迹关联算法,分析研究了综合性线段Hausdorff距离(LHD)灰色关联方面的理论,并将其用在雷达航迹关联领域。通过仿真证明,该算法能够综合考虑航迹之间的距离远近度和2条航迹曲线的拟合度。特征辅助信息不仅可以用于数据关联,也可以用在航迹关联方面。提出基于目标特征辅助信息的序贯灰色关联算法,仿真证明该算法与传统灰色关联算法相比精确度较高,能够在工程实践中提高关联概率。     

一种新的近程多目标轨迹参数测量方法

针对传统的近程单目标轨迹参数测量技术不能满足对齐射弹和子母弹等多目标轨迹参数进行测量的实际需求,提出了一种新的近程多目标轨迹参数测量方法。使用逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像技术提取目标的距离及多普勒频率信息,采用概率多假设跟踪(Probabilistic Multi-Hypothesis Tracking,PMHT)算法对多个目标的距离及多普勒频率数据进行数据关联,运用非线性最小二乘方法进行多目标轨迹参数估计。仿真结果表明,该方法运算速度较快,可以得到较高精度的近程多目标轨迹参数测量结果。     

红外凝视系统下改进的广义概率数据关联跟踪算法

广义概率数据关联算法作为一种全局次优的数据关联算法,以其新颖的可行性划分规则和较少的计算存储需求引起了人们的广泛关注.为了进一步提高数据关联的精度,从红外凝视系统中目标的特点出发,利用目标方向差和灰度变化因子的概念,得到了量测在目标方向和灰度约束下的互联概率;结合GPDA算法得到的基于距离信息的互联概率,利用加权和的方...     

优化样本分布的最接近支持向量机

当两类样本分布存在差异时,最接近支持向量机（Proximal Support Vector Machine,PSVM）等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类。本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优化样本分布PSVM,其基本思想是通过引入最大化正确分类样本距决策面距离,同时最小化错误分类样本距决策面距离的优化样本分布正则化项,构造优化样本分布PSVM的广义特征值分解模型。通过人工数据集和UCI数据集的10个数据子集上的对比实验,验证了该改进分类模型能够有效调整决策边界,从而获得更好的分类效果。     

跳频脉冲雷达目标的运动参数估计

本文分析了目标运动对跳频脉冲雷达相参合成目标一维距离像的影响,并在此基础上提出了一种以最小波形熵为准则的最优运动参数估计方法。仿真结果表明,该方法测速精度高,抗噪性能好,可在目标距离信息未知时,实现对目标速度的精确测量。     

基于高斯混合及相对熵测度的图像分割

针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。