基于支持向量機(jī)的雷達(dá)目標(biāo)一維像識(shí)別研究.pdf

1、雷達(dá)目標(biāo)一距離像反映了目標(biāo)的幾何結(jié)構(gòu)分布信息，相對(duì)二維像和三維像而言，易于獲取，并且能夠?qū)崿F(xiàn)實(shí)時(shí)識(shí)別，成為了當(dāng)前識(shí)別飛機(jī)等非協(xié)作目標(biāo)的重要手段，具有廣泛的軍事和民用價(jià)值。支持向量機(jī)可以獲得全局最小點(diǎn)以及具有較強(qiáng)的推廣性，能夠較好地解決雷達(dá)目標(biāo)識(shí)別中的小樣本學(xué)習(xí)的問題。因此本文利用支持向量機(jī)方法對(duì)雷達(dá)目標(biāo)一維像進(jìn)行了識(shí)別研究，主要研究?jī)?nèi)容包括：
　　1、研究了一種非線性零空間支持向量機(jī)方法，通過引入核函數(shù)來處理一維距離像樣本分布中的

2、非線性問題，且采用零空間提取最具辨別力的特征信息，最后使用支持向量機(jī)方法進(jìn)行分類識(shí)別，改善了識(shí)別性能。實(shí)驗(yàn)結(jié)果表明，非線性零空間支持向量機(jī)方法具有良好的識(shí)別性能。
　　2、提出了一種全局局部特征融合支持向量機(jī)方法，分別采用Fisher辨別提取全局信息、局部保留映射提取局部特征信息，對(duì)這些全局和局部信息進(jìn)行融合得到全面的樣本特征信息，最后使用支持向量機(jī)對(duì)融合特征進(jìn)行分類識(shí)別。實(shí)驗(yàn)證明，相對(duì)基于單一特征的方法，該方法的識(shí)別性能與抗噪性

3、能得到了明顯的改善。
　　3、改進(jìn)了一種基于組合核的支持向量機(jī)方法，分別選用具有全局性能與局部性能的核，融合成全局局部核，解決了常用核函數(shù)不能針對(duì)樣本特征的差異進(jìn)行核參數(shù)動(dòng)態(tài)調(diào)整的問題，改善了識(shí)別性能。
　　4、研究了一種基于模糊核的支持向量機(jī)方法，在模糊聚類的基礎(chǔ)上，利用核方法對(duì)其進(jìn)行非線性推廣，并加入類動(dòng)態(tài)調(diào)整因子，根據(jù)不同類別設(shè)定不同權(quán)值，解決了樣本分布不均等問題，得到更為準(zhǔn)確的數(shù)據(jù)樣本描述，最后采用支持向量機(jī)進(jìn)行分類