![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/2feea5e2-6759-4955-af6e-771451825e61/2feea5e2-6759-4955-af6e-771451825e61pic.jpg)
![2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/2feea5e2-6759-4955-af6e-771451825e61/2feea5e2-6759-4955-af6e-771451825e611.gif)
版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、西安電子科技大學(xué)碩士學(xué)位論文基于張量學(xué)習(xí)的目標(biāo)識別技術(shù)研究姓名:牛少波申請學(xué)位級別:碩士專業(yè):信號與信息處理指導(dǎo)教師:包志強(qiáng)20100101ABSTRACTAutomatictargetrecognition(ATR)basedonsyntheticapertureradar(SAR)imagesisofgreatimportanceinthemodembattlefieldandhasbecomeaveryhotresearchtop
2、icAccordingtoexotericaoftensorlearningwhichwasproposedbyTao,DengandSOon,weextendconventionaltargetrecodnition,whichincludedPrincipalComponentAnalysis(PCA),LinearDiscriminantAnalysis(LDA)andSupportVectorMachine(SVM)toTens
3、orPrincipalComponentAnalysis(TPCA),TensorLinearDiscriminantAnalysis(TLDA)andSupportTensorMachine(STM)。InthispaperwedolotsofexperimentstoverifyforenamedmethodsInordertoovercometheproblemofexperiments,wepresenttwoimprovedm
4、ethodsTosolvetheproblemofTLDA,whoserecognitionperformancesislowatsmallfeaturedimensions,wepresentoneimprovedmethodwhichcanimproveitExistingSTMalgorithmsissolvedbasingoniterativemethodForantwodimensionalvectoroneprojectiv
5、evectorwasintheoptimisation—classifiedplaneofanotherprojectivevectorIt’SnotmeaningthedataofsamplecanbeclassifiedfarthestbythisprojectivevectorInthispaperaccordingtooptimalprojectmethod,wepresentedanmendSTMmethodBasingonF
6、isherdiscriminantanalysis,wesearchforanoptimalprojectalongrandomdirectionoftheimage,anditeffectivelyimproves011theconvengentrateofSTM,saveslotsofexperimentaltimeandimprovestherecognition,andtheprojectivedatahasfarthestdi
7、visibilityInt11eendweextendmulticlassclassificationmethodwithSVMarithmetictomulticlassclassificationmethodwithSTMarithmeticandmulticlassclassificationmethodwithOPSTMarithmetic,givethealgorithmicprocessitisvalidatedtealda
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 目標(biāo)識別技術(shù)研究.pdf
- 基于聲納圖像的目標(biāo)識別技術(shù)研究.pdf
- 基于KINECT的室內(nèi)目標(biāo)識別技術(shù)研究.pdf
- 基于機(jī)器學(xué)習(xí)的多傳感器目標(biāo)識別技術(shù)研究.pdf
- 海上目標(biāo)識別技術(shù)研究.pdf
- 基于視覺認(rèn)知的目標(biāo)識別技術(shù)研究.pdf
- 基于紅外圖像的目標(biāo)識別技術(shù)研究.pdf
- 基于模糊邏輯控制的目標(biāo)識別技術(shù)研究.pdf
- 基于圖像內(nèi)容的水下目標(biāo)識別技術(shù)研究.pdf
- 基于特征融合的自動目標(biāo)識別技術(shù)研究.pdf
- 艦船目標(biāo)識別技術(shù)研究.pdf
- 水下目標(biāo)識別技術(shù)研究.pdf
- 基于SIFT和NDLT的目標(biāo)識別技術(shù)研究.pdf
- 基于視頻的多運(yùn)動目標(biāo)識別技術(shù)研究.pdf
- 基于數(shù)據(jù)融合的聲目標(biāo)識別技術(shù)研究.pdf
- 基于深度學(xué)習(xí)的目標(biāo)識別研究.pdf
- 寬帶雷達(dá)目標(biāo)識別技術(shù)研究.pdf
- SAR圖像目標(biāo)識別技術(shù)研究.pdf
- 空中動態(tài)目標(biāo)識別技術(shù)研究.pdf
- 非合作目標(biāo)識別技術(shù)研究.pdf
評論
0/150
提交評論