基于核主分量分析和支持矢量数据描述的雷达目标模糊识别方法

针对雷达目标高分辨距离像(HRRP)存在大量的信息冗余,易受到噪声的污染,可分性较差等问题,本文利用核方法解决非线性问题的优点,提出了基于核主分量分析(KPCA)的雷达目标HRRP特征提取与基于支持矢量数据描述(SVDD)的雷达多目标模糊识别方法.在特征提取过程中,利用KPCA对雷达目标HRRP做降噪与降维处理,使得HRRP降低噪声和姿态角的敏感性;在识别过程中,首先在特征空间求得包含每一类目标训练样本的最小超球体,然后根据各个测试样本到最小超球体球面的距离构造属于各个类别的模糊隶属度,根据模糊隶属度的大小判断测试样本所属的类别.仿真实验结果表明,本文提出的算法应用于雷达多目标识别时,具有较高的正确识别率;同时基于SVDD多目标模糊识别算法训练过程只需对每一类目标进行训练,因此具有计算量小,稳健性能优等优点.所以本文提出的KPCA特征提取与SVDD雷达多目标模糊识别方法有很强的实用性.     

基于二叉树SVM的弹道目标RCS识别

二叉树支持向量机(SVM)是一种针对多类问题的有效分类器,具有结构简单、训练快的特点,但二叉树SVM容易出现误差积累,且不能输出识别结果的置信度。文中设计了一种基于隶属度计算的二叉树SVM分类器,首先,该分类器利用方差和最小准则选择节点,将多类问题转化为偏二叉树SVM分类问题,避免了误差积累,然后,利用特征变换空间的类中心和类半径,计算出样本结果的置信度,使得二叉树SVM分类器能够输出模糊结果。将上述二叉树SVM分类器应用于弹道目标的RCS特征识别,仿真结果表明了该方法的有效性。     

一种新的模糊支持矢量机多目标识别方法

本文主要研究基于支持矢量机(SVM)的多目标识别方法.首先介绍了基于SVM的OAA和OAO多目标识别算法,针对OAA和OAO算法存在的误判问题,基于SVM决策函数建立了样本模糊隶属度函数,对OAA和OAO算法进行了改进,提出了一种新的模糊支持矢量机多目标识别方法.仿真实验结果表明,该方法能够有效提高识别性能.     

基于模糊综合函数的目标识别融合算法研究

基于对目标识别特点的研究，给出目标识别的可能性分布描述方法。运用模糊集理论，讨论基于模糊综合函数的目标识别决策级融合算法，并举例说明该方法的直观合意性。     

基于MSE和Burg的两步目标识别分类器研究

SAR目标分类识别是现代战场侦察的重要组成部分,SAR目标分类问题是目标识别的关键步骤之一,对目标识别等很多后续的应用有较大的影响,因此研究SAR图像目标分类技术具有非常重要的意义。针对这一研究热点,结合MSE匹配方法和超分辨Burg算法,提出一种两步分类器,采用该两步分类器对实测SAR图像进行了目标分类识别实验,取得较好的识别效果。     

基于区域协方差矩阵特征与流形SVDD的SAR目标鉴别

为提高合成孔径雷达自动目标鉴别方法中鉴别特 征的可分性及鉴别器的 拒判性能,提出了一种基于区域协方差矩阵特征与一种迭代的SVDD相结合的目 标鉴别方法。融合多种纹理特征及其相关性,构造了一种基于区域协方差矩阵的 鉴别特征,该特征在实验中取得了良好的可分性且无需进一步的特征选择。将 SVDD的分类准则与协方差矩阵特征空间的流形结构相结合,设计了一种迭代流 形SVDD鉴别器,通过一种新的迭代方法选择SVDD的超球面中心代替Karcher均值点作为映射 基点。在RADARSAT-2实测数据上的实验结果验证了新方法的有效性。     

用模糊数学方法识别舰船红外成像目标

从分析成像特性入手，提出了３类识别特征（位置特征、形状特征和辐射特征），以及描述这３类特征的６个模糊隶属度函数．用这６个模糊隶属度函数，采用模糊综合评判技术，对前视船红外成像目标进行识别，并用采集的实际舰船红外图像进行仿真实验，其结果证明本文算法是可行的和实用的．     

一种基于SVM的多目标模糊识别方法

支持矢量机是近年来在统计学习理论的基础上发展起来的一种新的模式识剐方法，在解决小样本、非线性及高维模式识剐问题中表现出许多特有的优势。本文重点分析了支持矢量机多分类问题中存在的错分、拒分现象，提出了一种基于支持矢量机特征空问的模糊隶属度函数。多目标识剐的仿真结果表明，采用这种模糊隶属度函数，能够减少目标的错分和拒分数量，提高识剐率。     

一种基于SVM分类器的HRRP-ATR方法

给出了一种应用统计学习领域最新的支持矢量机 (SupportVectorMachines ,简称SVM )分类器识别高分辨率距离像 (HighResolutionRangeProfile ,简称HRRP)的方法。应用美国空军研究室 (AirForceResearchLaboratory)的MSTAR (Mov ingandStationaryTargetAcquisitionandRecognition)实测数据 ,该方法获得了较满意的识别率。与模板匹配法相比 ,实验结果证明了支持矢量机分类器的有效性 ,同时证明了支持矢量机分类器与幂变换结合后可以大大提高识别率     

基于支持向量域描述的雷达地面目标鉴别技术

在高分辨一维距离像目标识别中,有效的对库内目标特征空间进行描述,并且对库外目标进行鉴别是一个关键问题.本文提出了一种基于非均匀特征向量分布的目标鉴别器设计方法,该方法利用训练特征空间的协方差分布情况,选择库内协方差较小,即样本密度较大的区域进行细致描述,有效克服了训练样本分布非均匀造成的特征空间描述偏差,进而保证对库内...     

基于密度敏感最大软间隔SVDD不均衡数据分类算法

为了提高传统支持向量域描述（C-SVDD）算法处理不均衡数据集的分类能力,提出一种基于密度敏感最大软间隔支持向量域描述（DSMSM-SVDD）算法.该算法通过对多数类样本引入相对密度来体现训练样本原始空间分布对求解最优分类界面的影响,通过在目标函数中增加最大软间隔正则项,使C-SVDD的分类边界向少数类偏移,进而提高算法分类性能.算法首先对每个多数类样本计算相对密度来反映样本的重要性,然后将训练样本输入到DSMSM-SVDD中实现数据分类.实验部分,讨论了算法参数间的关系及其对算法分类性能的影响,给出算法参数取值建议.最后通过与C-SVDD的对比实验,表明本文建议的算法在不均衡数据情况下的分类性能优于C-SVDD算法.     

基于支持向量机的红外成像自动目标识别算法

本文针对实战中红外成像制导导弹面临的自动目标识别问题,提出了一种利用若干二维图像识别三维目标的自动目标识别算法,并引入支持向量机作为分类器．仿真试验结果表明,该算法能够成功地识别三维空间中任意角度的目标,很好地解决了许多二维识别算法难以解决的三维目标识别问题．同时,通过比较,证明该算法比传统识别算法拥有更高的识别率．     

带拒识能力的双层支持向量模型分类器

本文构造了一种带拒识能力的双层支持向量模型分类器.在训练学习过程中,首先对各类样本特征空间求取最小的包含球形边界,得到各类样本的球形支持向量域表示.这样对于输入的非目标样本即可利用各类的支持向量域进行拒识或接受处理;然后针对接受的样本再利用基于超平面分割的SVM训练器进行分类判决.无论是在第一层求取边界的优化问题中,还是在第二层的分类超平面优化过程中,都采用相乘性更新迭代规则直接求解,优化速度与最小二乘支持向量机(LS-SVM)相当.仿真实验表明本文提出的通过引入拒绝层和判决层的新支持向量模型策略是合理可行的,在实际模式识别领域具有广阔的应用前景.     

基于动态SVM的HRRP目标识别算法研究

从目标识别实际问题出发,研究了将动态支持向量机应用于高分辨距离像目标识别算法.根据目标特征与待识别目标之间的距离定义惩罚函数,给每一训练样本赋一惩罚参数,体现出不同样本对待识别目标的不同贡献,并根据惩罚参数大小重新构建训练样本集.由于以某一个具体目标的识别为核心,不寻求全局性的分类面,因此具有较好的针对性和动态性.     

用改进核函数提高SVM的雷达目标识别率

对支持向量机中的高斯核进行了改进,利用改进的高斯核构造了一维高分辨率距离像的雷达目标识别算法,并将幂变换引入预处理过程.该技术提高了识别率,减少了识别时间;同时对所完成的目标识别算法的性能进行了评估,从方位角大小、信噪比和训练数据大小三个方面验证了该算法的稳健性.