检索结果-南通市图书馆

系统工程与电子技术 2024年第4期46卷 1220-1228页

作者：刘帅康曹伟管志强杨学岭许金鑫中国船舶集团有限公司第七二四研究所江苏南京211153 南京航空航天大学电子信息工程学院江苏南京211106

针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP... 详细信息

针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先,在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后,挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后,使用高性能分类器对降维后的数据进行区分,实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明,所提方法具有更好的分类准确率和对孤立点的鲁棒性。

关键词：窄带雷达空中目标分类鉴别局部保持投影最大边界准则降维

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

具有最大散度无关性的局部保持投影算法

引用

小型微型计算机系统 2018年第4期39卷 672-675页

作者：李姝于金刚沈阳理工大学装备工程学院沈阳110159 中国科学院沈阳计算技术研究所沈阳110168

为解决传统流形学习方法不能有效利用人脸类间信息的问题,提出具有最大散度无关性的局部保持投影算法(Maximum-Scatter-Difference-Uncorrelated Locality Preserving Projections,M ULPP).该算法是最大类间无关性的局部保持映射算法,... 详细信息

为解决传统流形学习方法不能有效利用人脸类间信息的问题,提出具有最大散度无关性的局部保持投影算法(Maximum-Scatter-Difference-Uncorrelated Locality Preserving Projections,M ULPP).该算法是最大类间无关性的局部保持映射算法,通过求取一组最优的无关鉴别矢量集,既达到特征映射后的类间散度保持最大、类内散度保持最小,同时又满足最佳鉴别矢量之间具有最大统计不相关性,从而提高算法的识别性能.在AT&T和YALE标准人脸图像库上的实验结果表明,MULPP算法具有较高的识别率.

关键词：人脸识别特征提取统计不相关鉴别局部保持投影最大散列度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

窄带雷达空中目标分类方法研究

窄带雷达空中目标分类方法研究

引用

作者：刘帅康中国舰船研究院

学位级别：硕士

窄带雷达空中目标分类是指依据目标自身的某些属性(如飞机的机动特性、尺寸大小、微动特性等)对雷达回波产生的影响,进行窄带回波信号分析,通过提取各类目标的信号特征完成对目标的分类。通常窄带雷达空中目标被分为直升机、螺旋桨和喷... 详细信息

窄带雷达空中目标分类是指依据目标自身的某些属性(如飞机的机动特性、尺寸大小、微动特性等)对雷达回波产生的影响,进行窄带回波信号分析,通过提取各类目标的信号特征完成对目标的分类。通常窄带雷达空中目标被分为直升机、螺旋桨和喷气式三类,然而在当下环境中如果能对空中目标的类型进一步细分,将极大提升我方战略优势。因此本文依据窄带雷达体制下空中目标的回波调制,对目标分类方法进行了深入的研究,主要研究内容概括如下:1.将细分类后的空中目标数据进行建模和仿真分析,并建立仿真数据集。首先,结合飞机的桨叶数和桨长对直升机、螺旋桨和喷气式三类飞机进一步细分,并对分类后的模型进行仿真。然后,将实测三类飞机数据与仿真数据进行对比,通过波形的变化规律验证仿真数据的可靠性。最后,建立仿真数据集和实测数据集,以供后续分类使用。2.针对鉴别局部保持投影(DLPP)在训练数量较少时出现的类间可分性差、对孤立点敏感和离散度矩阵奇异的问题,本文提出了基于鲁棒性边界鉴别局部保持投影(RMDLPP)的窄带雷达空中目标细分类方法。首先,结合边界Fisher分析算法(MFA)的思想,挑选部分类内和类间边界样本点,用于计算DLPP算法的类内和类间离散度,从而增加类别间的可分性。其次,通过改进欧氏距离算法的思想,将样本均值融入到样本间距离的计算中,从而增加对孤立点的鲁棒性。然后,通过矩阵指数的近似替换和矩阵变换,避免DLPP算法求解特征方程时出现的离散度矩阵奇异问题。最后,通过集成学习分类器对降维后的数据进行区分,实现对窄带雷达空中目标的细分类。3.针对辅助分类生成对抗网络(ACGAN)在训练数量较多时出现的一维时序数据难以关联、网络存在一定过拟合的问题,本文提出了基于改进ACGAN的窄带雷达空中目标细分类算法。首先,通过堆叠双向的长短时记忆神经网络(Bi-LSTM)对输入的时序数据进行处理,充分挖掘数据内部的时序关系。其次,使用双线性卷积神经网络(Bi-CNN)对目标的抽象特征和细节特征进行提取,并将两者进行融合得到更加丰富的目标信息。然后,将得到的目标特征通过自适应平均池化层进行处理,避免一些无用特征的输出,从而解决参数过多问题。最后,将Bi-LSTM和Bi-CNN组合的网络嵌入到ACGAN中,使其拥有防止过拟合的能力,从而更好的实现对窄带雷达空中目标的细分类。

关键词：雷达目标识别空中目标细分类微多普勒效应鉴别局部保持投影生成对抗网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：