一种基于半监督学习的弹道目标识别方法 |
| |
引用本文: | 田西兰,郭法滨,赵洪立.一种基于半监督学习的弹道目标识别方法[J].雷达科学与技术,2017,15(6):651-655. |
| |
作者姓名: | 田西兰 郭法滨 赵洪立 |
| |
作者单位: | (1.中国电子科技集团公司第三十八研究所,安徽合肥230088;2.孔径阵列与空间探测安徽省重点实验室,安徽合肥230088) |
| |
摘 要: | 常规反导目标识别系统多依赖于先验知识与一定规模的样本,然而,由于弹道导弹发射事件具有偶发性强、非合作性强等特点,弹道目标样本积累困难,已积累的观测数据也难以进行准确的类别标定。因此,弹道目标识别系统通常研发周期较长、开发代价巨大。针对该问题,将半监督学习算法引入弹道目标识别分类器设计,以降低常规分类识别方法对样本规模的要求。进一步地,针对弹道目标特征分布未知的情况,设计一种TSVM-MKL分类器实现对半监督学习中假设模型的自适应调整。数据验证结果表明,该算法能在“极小”标定样本识别情景下仍能取得良好的分类识别效果,具有良好的工程应用价值。
|
关 键 词: | 半监督学习 弹道目标识别 多核学习 多核直推式支持向量机(TSVM-MKL) |
|
| 点击此处可从《雷达科学与技术》浏览原始摘要信息 |
|
点击此处可从《雷达科学与技术》下载全文 |
|