期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种新的雷达HRRP自适应划分角域建模方法 被引量:10
1
作者 陈凤 侯庆禹 +1 位作者 刘宏伟 保铮 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2009年第3期410-417,共8页
基于雷达方位渐变高分辨距离像(HRRP)的连续性,提出了一种自适应递归划分角域的建模方法,利用自适应高斯分类器和高斯过程分类器,从雷达数据中提取连续HRRP序列中包含的非线性结构信息;提出了一种判定角域边界的准则,递归地对雷达数据... 基于雷达方位渐变高分辨距离像(HRRP)的连续性,提出了一种自适应递归划分角域的建模方法,利用自适应高斯分类器和高斯过程分类器,从雷达数据中提取连续HRRP序列中包含的非线性结构信息;提出了一种判定角域边界的准则,递归地对雷达数据自适应划分角域.实测数据仿真试验证明了该方法优于传统的等间隔划分角域建模法. 展开更多
关键词 高分辨距离像 自动目标识别 等间隔划分角域 自适应划分角域 自适应高斯分类器 高斯过程分类器
在线阅读 下载PDF
雷达高分辨距离像分类器的参数自适应学习算法 被引量:10
2
作者 袁莉 刘宏伟 保铮 《电子与信息学报》 EI CSCD 北大核心 2008年第1期198-202,共5页
雷达高分辨率距离像具有目标姿态敏感性的特点,在识别时的一种解决方法是对目标不同角域建立不同的统计模型。在给定系统参数条件下,选择目标划分角域个数及每个角域覆盖范围是影响识别器运算量及识别性能的关键。该文给出了一种基于数... 雷达高分辨率距离像具有目标姿态敏感性的特点,在识别时的一种解决方法是对目标不同角域建立不同的统计模型。在给定系统参数条件下,选择目标划分角域个数及每个角域覆盖范围是影响识别器运算量及识别性能的关键。该文给出了一种基于数据的自适应学习上述分类器参数的算法,基于联合高斯分布的数据模型通过迭代算法来确定数据划分边界,并自动确定目标角域个数。与等间隔数据划分方法相比,本文方法在降低识别运算量的同时,可以提高识别性能。基于实测数据的实验结果表明该方法是有效的。 展开更多
关键词 雷达自动目标识别 高分辨距离像 自适应高斯分类器
在线阅读 下载PDF
雷达高分辨距离像自动目标识别方法的改进 被引量:12
3
作者 陈凤 杜兰 +1 位作者 保铮 刘宏伟 《电子与信息学报》 EI CSCD 北大核心 2007年第6期1450-1454,共5页
在雷达自动目标识别中,广泛利用基于散射点模型的高分辨距离像(HRRP),并取得较好的识别效果。由于散射点具有一些特点,且距离单元内的散射点的情况有时比较复杂,从而使高分辨距离像出现一些异常,导致识别发生误判。该文针对发生的问题,... 在雷达自动目标识别中,广泛利用基于散射点模型的高分辨距离像(HRRP),并取得较好的识别效果。由于散射点具有一些特点,且距离单元内的散射点的情况有时比较复杂,从而使高分辨距离像出现一些异常,导致识别发生误判。该文针对发生的问题,主要讨论了飞机类目标对偏航、俯仰、侧摆三维姿态角变化的敏感性、飞机类目标在正侧视附近的特点以及测试样本的“相干峰”现象,并提出了相应的改进措施。仿真数据的识别试验结果表明该文提出的改进措施可以有效地提高识别性能。 展开更多
关键词 高分辨距离像 雷达自动目标识别 最大相关系数模板匹配法 自适应高斯分类器
在线阅读 下载PDF
利用ELM-AE和迁移表征学习构建的目标跟踪系统 被引量:1
4
作者 杨政 邓赵红 +2 位作者 罗晓清 顾鑫 王士同 《计算机科学与探索》 CSCD 北大核心 2022年第7期1633-1648,共16页
在目标跟踪算法中,特征模型对图像特征的快速学习能力和对跟踪过程中目标特征变化的自适应能力一直是目标跟踪算法的主要研究方向之一。特别是对于基于图像块学习的判别式目标跟踪器而言,这两点已然成为影响跟踪器效率和鲁棒性的决定性... 在目标跟踪算法中,特征模型对图像特征的快速学习能力和对跟踪过程中目标特征变化的自适应能力一直是目标跟踪算法的主要研究方向之一。特别是对于基于图像块学习的判别式目标跟踪器而言,这两点已然成为影响跟踪器效率和鲁棒性的决定性因素。然而,现有的大多数同类算法在这两个能力上的性能并不能达到令人满意的效果。为了解决这一问题,提出了一种高效且鲁棒的特征模型。该特征模型首先利用基于极限学习机的自编码器(ELM-AE)对目标和背景图像块的复杂图像特征快速地进行随机特征映射,再利用迁移表征学习(TRL)的迁移学习能力提高随机特征空间的自适应性。将该特征模型命名为基于ELM自编码器和迁移表征学习的特征模型(TRL-ELM-AE)。与原复杂图像特征相比,通过该模型可以获得更加紧凑且具有表达能力的共享特征。从而使得分类器可以快速高效地学习和分类。此外,在目标跟踪过程中,目标与背景通常会随着时间不停地变化。虽然TRL的特征迁移能力已经可以很好地适应这一点,但是为了进一步提高跟踪器的鲁棒性,还采用了一种动态更新训练样本的策略。通过对OTB提出的11项目标跟踪挑战场景进行大量实验和分析,证明了所提的目标跟踪器较现有的目标跟踪器具有显著优势。 展开更多
关键词 极限学习机(ELM) 极限学习机自编码器(ELM-AE) 迁移表征学习(TRL) 特征自适应 高斯朴素贝叶斯分类器(GNBC) 目标跟踪
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部