版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、雷達(dá)高分辨距離像(HRRP)可以反映目標(biāo)散射點(diǎn)在縱向距離上的分布情況,提供了目標(biāo)重要的結(jié)構(gòu)信息,并且相對(duì)于基于雷達(dá)目標(biāo)像(包括SAR及ISAR像)的目標(biāo)識(shí)別技術(shù),基于HRRP的目標(biāo)識(shí)別不要求目標(biāo)相對(duì)于雷達(dá)平臺(tái)有一定的轉(zhuǎn)角,因而更易獲取,對(duì)雷達(dá)具有更大的適應(yīng)性,因此基于HRRP的雷達(dá)目標(biāo)識(shí)別技術(shù)將受到更為廣泛的關(guān)注和研究。近十幾年來(lái),基于核函數(shù)的方法也已經(jīng)成功地用于解決機(jī)器學(xué)習(xí)領(lǐng)域的各種問(wèn)題?;诤撕瘮?shù)的算法相當(dāng)于線性算法的一種非線性版本
2、,它通過(guò)一個(gè)非線性函數(shù)將輸入向量預(yù)先投影到一個(gè)高維空間中,只需要利用核函數(shù)計(jì)算各向量的內(nèi)積便可在該高維空間中應(yīng)用模式分析的各種算法,不僅提高了算法性能也節(jié)約了大量的運(yùn)算時(shí)間。而在HRRP識(shí)別當(dāng)中,由于目標(biāo)的機(jī)動(dòng)性,目標(biāo)之間存在著復(fù)雜的非線性關(guān)系。因此,本論文主要圍繞著“十五”國(guó)防預(yù)研項(xiàng)目“目標(biāo)識(shí)別技術(shù)”(項(xiàng)目編號(hào):413070501)和“十一五”國(guó)防預(yù)研項(xiàng)目“雷達(dá)高分辨距離像特征提取及識(shí)別”(項(xiàng)目編號(hào):51307060601)的研究任務(wù)
3、,針對(duì)高分辨距離像目標(biāo)識(shí)別,從基于核函數(shù)的特征提取、分類器設(shè)計(jì)以及核函數(shù)優(yōu)化算法等三個(gè)方面展開了較為深入的研究,另外,論文也對(duì)目標(biāo)方位角劃分和距離像的特征選擇技術(shù)進(jìn)行了研究。本論文的主要內(nèi)容概括如下: 1、簡(jiǎn)單回顧了核方法的研究背景,介紹了核函數(shù)的基本概念和性質(zhì)。并且,為了展示基于核函數(shù)的方法相對(duì)線性方法的優(yōu)越性,針對(duì)雷達(dá)HRRP的目標(biāo)姿態(tài)敏感性、平移敏感性和閃爍效應(yīng)的特點(diǎn)改進(jìn)了核主分量分析(Kernel PCA),從而將其應(yīng)用
4、于雷達(dá)自動(dòng)目標(biāo)識(shí)別任務(wù)中。 2、線性判別分析(Linear Discriminant Analysis,LDA)是被廣泛應(yīng)用于模式識(shí)別領(lǐng)域中的一種線性降維方法,但是它對(duì)數(shù)據(jù)有較強(qiáng)的限制,例如各類數(shù)據(jù)均為協(xié)方差矩陣相同但均值向量不同的多元正態(tài)分布,并且每類數(shù)據(jù)都是單聚類結(jié)構(gòu)。為了克服這些局限性,近來(lái)子類判別分析(Subclass Discriminant Analysis,SDA)已經(jīng)被提出。提出了一種基于核函數(shù)的子空間判別分析(
5、Kernel SDA),簡(jiǎn)稱為KSDA。同時(shí),給出了一個(gè)新的SDA表示公式從而避免了在特征空間中的一些復(fù)雜而且不直觀的推導(dǎo)過(guò)程。 3、提出一種簡(jiǎn)單而有效的方法通過(guò)減少在決策函數(shù)中出現(xiàn)的支撐向量的個(gè)數(shù)來(lái)加速其決策過(guò)程。盡管支撐向量機(jī)已經(jīng)成功地應(yīng)用于數(shù)據(jù)分類與回歸等領(lǐng)域,但鑒于在決策階段測(cè)試數(shù)據(jù)必須和所有支撐向量結(jié)合構(gòu)成核函數(shù)的原因,與其他方法相比,在獲得相似的性能時(shí)其測(cè)試速度相對(duì)較慢。實(shí)際上,投影數(shù)據(jù)只是位于高維核空間的一個(gè)子空間
6、中,所以我們能夠找到一組基向量來(lái)表示所有的支撐向量,而這些基向量的個(gè)數(shù)通常小于支撐向量的個(gè)數(shù)。 4、針對(duì)核函數(shù)優(yōu)化問(wèn)題進(jìn)行了研究。這部分工作主要分三個(gè)內(nèi)容: (1)提出一種針對(duì)雷達(dá)一維高分辨距離像的核函數(shù)優(yōu)化算法。該算法基于對(duì)模-1距離高斯核和模-2距離高斯核的融合,結(jié)合兩種核函數(shù)的不同特性,不僅優(yōu)化了核函數(shù),同時(shí)對(duì)HRRP的閃爍效應(yīng)有抑制作用; (2)核函數(shù)是否與數(shù)據(jù)分布結(jié)構(gòu)相“匹配”控制著基于核函數(shù)方法的性能
7、,這個(gè)結(jié)論已被廣泛認(rèn)同。理想情況下,數(shù)據(jù)在期望的核函數(shù)定義的特征空間中能夠線性可分,因此Fisher線性可分性準(zhǔn)則可以作為一種核優(yōu)化規(guī)則。然而在許多應(yīng)用中,即使在核空間轉(zhuǎn)換后數(shù)據(jù)仍未達(dá)到線性可分,例如多模結(jié)構(gòu)數(shù)據(jù),因此在這種情況下非線性分類器更能體現(xiàn)出其優(yōu)越的性能,并且此時(shí)Fisher準(zhǔn)則已不是核優(yōu)化準(zhǔn)則的最好選擇。受此啟發(fā),我們提出了一種新的核優(yōu)化算法,該方法依靠局部核Fisher準(zhǔn)則,在特征空間最大化局部類可分性以增大特征空間中各類
8、間的局部距離,從而使得非線性分類器在核函數(shù)定義的特征空間中的的分類性能得到改進(jìn); (3)另外,F(xiàn)isher準(zhǔn)則僅在各類數(shù)據(jù)均為協(xié)方差矩陣相同但均值向量不同的多元正態(tài)分布,并且每類數(shù)據(jù)都是單聚類結(jié)構(gòu)的假設(shè)條件下,才是最優(yōu)的。由于這個(gè)假設(shè)的限制,在一些應(yīng)用中Fisher準(zhǔn)則顯然已不是核優(yōu)化準(zhǔn)則的最好選擇。為了解決這一問(wèn)題,近來(lái)許多改進(jìn)的判別分析已經(jīng)被提出。因此,為了將這些判別準(zhǔn)則應(yīng)用于核優(yōu)化中,基于依賴數(shù)據(jù)的核函數(shù)形式,提出了一個(gè)統(tǒng)
9、一的核優(yōu)化框架,該優(yōu)化框架能使用任何可以寫為樣本對(duì)的形式判別準(zhǔn)則作為代價(jià)函數(shù)。在該優(yōu)化框架下,如果需要應(yīng)用不同的判別準(zhǔn)則,僅修改對(duì)應(yīng)的伴隨矩陣即可,而不需要任何特征空間中復(fù)雜的公式推導(dǎo)。 5、首先從流形幾何的角度來(lái)學(xué)習(xí)雷達(dá)高分辨距離像(HRRP)中的非線性結(jié)構(gòu)。然后,針對(duì)目標(biāo)的姿態(tài)敏感性,在假設(shè)HRRP位于一低維流形基礎(chǔ)上,利用HRRP流形的彎曲率,提出了一種自適應(yīng)分割角域的方法。 6、提出一種新的特征選擇的方法。特征選
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別技術(shù)研究.pdf
- 基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)研究.pdf
- 基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別研究.pdf
- 雷達(dá)高分辨距離像目標(biāo)識(shí)別算法研究.pdf
- 基于高分辨距離像的雷達(dá)目標(biāo)識(shí)別算法研究.pdf
- 基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別方法研究.pdf
- 基于高分辨一維距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)研究.pdf
- 高分辨距離像雷達(dá)自動(dòng)目標(biāo)識(shí)別研究.pdf
- 基于高分辨距離像的雷達(dá)自動(dòng)目標(biāo)識(shí)別研究.pdf
- 雷達(dá)高分辨距離像目標(biāo)識(shí)別與拒判方法研究.pdf
- 基于高分辨一維距離像的雷達(dá)目標(biāo)識(shí)別.pdf
- 基于高分辨距離像分區(qū)處理的雷達(dá)目標(biāo)識(shí)別.pdf
- 基于統(tǒng)計(jì)建模的雷達(dá)高分辨距離像目標(biāo)識(shí)別方法研究.pdf
- 基于高分辨一維距離像的雷達(dá)目標(biāo)識(shí)別方法研究.pdf
- 基于高分辨距離像的艦船目標(biāo)識(shí)別研究.pdf
- 雷達(dá)目標(biāo)高分辨距離像仿真與識(shí)別技術(shù)研究.pdf
- 雷達(dá)目標(biāo)高分辨距離像識(shí)別方法研究.pdf
- 基于高分辨率雷達(dá)距離像的自動(dòng)目標(biāo)識(shí)別研究.pdf
- 基于雷達(dá)距離像的目標(biāo)識(shí)別研究.pdf
- 基于雷達(dá)高分辨距離像目標(biāo)識(shí)別的在線貝葉斯模型研究.pdf
評(píng)論
0/150
提交評(píng)論