您的位置： 专家智库 > >

国家自然科学基金(60572138)

作品数：16 被引量：78H指数：6
相关作者：肖怀铁付强郭雷丛瑜朱俊更多>>
相关机构：国防科学技术大学中国人民解放军海军航空工程学院中国卫星海上测控部更多>>
发文基金：国家自然科学基金国家重点基础研究发展计划国家部委资助项目更多>>
相关领域：自动化与计算机技术电子电信航空宇航科学技术更多>>

文献类型

  • 15篇中文期刊文章

领域

  • 10篇自动化与计算...
  • 6篇电子电信
  • 3篇航空宇航科学...

主题

  • 8篇目标识别
  • 5篇距离像
  • 4篇一维距离像
  • 4篇支持矢量机
  • 4篇支持向量
  • 4篇矢量
  • 4篇向量
  • 4篇雷达
  • 4篇雷达目标
  • 3篇支持向量机
  • 3篇特征提取
  • 3篇向量机
  • 2篇有效性
  • 2篇模式识别
  • 2篇宽带
  • 2篇雷达目标识别
  • 2篇核函数
  • 2篇高分辨雷达
  • 2篇HRRP
  • 1篇有效性函数

机构

  • 14篇国防科学技术...
  • 1篇空军工程大学
  • 1篇中国人民解放...
  • 1篇中国卫星海上...
  • 1篇国防科技大学

作者

  • 14篇肖怀铁
  • 10篇付强
  • 6篇郭雷
  • 2篇丛瑜
  • 2篇单凯晶
  • 2篇朱俊
  • 1篇孙发圣
  • 1篇范红旗
  • 1篇肖立
  • 1篇沈明华
  • 1篇黄孟俊
  • 1篇郭修煌
  • 1篇王飞行
  • 1篇于新
  • 1篇冯国瑜
  • 1篇赵宏钟
  • 1篇沈明华

传媒

  • 3篇电光与控制
  • 2篇自然科学进展
  • 2篇计算机仿真
  • 2篇现代雷达
  • 1篇系统工程与电...
  • 1篇电讯技术
  • 1篇电子与信息学...
  • 1篇国防科技大学...
  • 1篇红外与毫米波...
  • 1篇系统仿真学报

年份

  • 1篇2011
  • 2篇2010
  • 5篇2009
  • 4篇2008
  • 1篇2007
  • 2篇2006
共 16 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
支持向量机在模式识别中的应用被引量：17
2006年
针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题,研究了基于支持向量机(SVM)的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究,分析了支持向量机的分类与泛化能力,支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量机用于对两类飞机目标的分类识别,通过多组蒙特卡罗试验,获得了较好的识别结果。支持向量机在目标识别中有巨大潜力和广阔前景。
沈明华肖立王飞行
关键词：模式识别支持向量机径向基函数泛化能力目标识别
基于K最近邻的支持向量机快速训练算法被引量：6
2008年
传统支持向量机训练大规模样本时间和空间开销大,使其应用受到了很大限制。为了提高支持向量机的训练速度,根据支持向量机的基本原理,应用K最近邻思想来筛选训练样本集,提出了基于K最近邻的支持向量机快速训练算法(KNN-SVM)。算法首先选取一部分最有可能成为支持向量的样本——边界向量,然后用边界向量集代替训练样本集进行支持向量机训练,大幅度减少了训练样本的数量,使支持向量机的训练速度显著提高。同时,由于边界向量包含了支持向量,因此,支持向量机的分类能力没有受到影响。仿真实验结果表明,与传统支持向量机相比,在分类精度相同的情况下,算法能够有效地提高支持向量机的训练速度,而且还可以提高支持向量机的分类速度和推广能力。
孙发圣肖怀铁
关键词：支持向量机边界向量
基于核主分量分析的高分辨雷达目标特征提取与识别被引量：10
2008年
研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原理,然后将KPCA应用于雷达目标距离像特征提取,并采用支持向量机进行分类,提出了基于核主分量分析的高分辨雷达目标特征提取与识别方法。在核函数的选取上构造了一个组合核函数,最后用4类目标数据进行了实验,并与采用高斯核函数方法进行了比较,实验结果表明,该方法能够提高目标识别性能。
丛瑜肖怀铁付强
关键词：核主分量分析雷达目标识别一维距离像支持矢量机
目标识别中特征空间核矩阵收缩方法
2008年
线性分类与非线性分类是模式识别领域的基础性课题.核方法处理非线性分类问题有其独特的优势,核矩阵反映了输入样本在特征空间的位置关系,决定了样本在特征空间的可分性.针对特征空间线性不可分问题,提出了特征空间核矩阵收缩的新概念和新方法.首先定义了特征空间中样本数据的收缩因子以及样本数据相对于各类类心的收缩方法;然后理论推导得到样本数据收缩后的核矩阵,并且证明收缩后的数据可分性能更优.最后的实验从核矩阵的性能度量以及核矩阵的分类性能两个方面验证了收缩后的核矩阵性能比收缩前性能更优.
郭雷肖怀铁付强
关键词：核方法核矩阵
基于C-均值聚类的高分辨距离像识别被引量：5
2010年
针对已有核聚类算法中核参数优化方法的不足,提出一种新的反映类内类间间距的有效性指标,通过使类内样本相似性最大,类间样本相似性最小来达到优化核参数的目的。在对核C-均值聚类算法深入研究的基础上,提出一种基于核C-均值聚类的高分辨距离像识别算法。仿真结果表明:该算法可以通过训练识别率判定最佳聚类数,同时运用改进的核参数优化方法可以得到最优的核参数,进而得到最佳的识别结果。
单凯晶肖怀铁朱俊
关键词：核聚类算法一维距离像目标识别参数优化有效性指标
非均衡数据目标识别中SVM模型多参数优化选择方法被引量：7
2009年
提出了非均衡数据目标识别中SVM模型多参数优化选择方法.首先从理论上分析了SVM模型多参数选择的内涵和必要性,针对非均衡数据的分类识别,基于F测度提出了能全面反映识别性能的多参数优化选择准则.在多参数选择过程中,利用遗传算法进行模型多参数并行优化选择.提出的方法能够寻找模型多参数的全局最优解,避免陷入梯度法常出现的局部最优解情况,同时能够克服传统方法中根据经验选择SVM单参数模型时计算量太大的不足.采用国际通用的标准数据集和雷达目标HRRP数据集进行了仿真实验,实验结果表明,该方法能够得到模型多参数的全局最优值,由此确定的SVM模型分类器性能有较大提高.
郭雷肖怀铁付强
关键词：目标识别非均衡数据支持矢量机
基于模糊核C-均值聚类分析的HRRP识别被引量：4
2010年
由于雷达目标及其所处环境的复杂性,导致目标之间的关系往往是非线性的,因此,基于核方法的模式识别方法被广泛应用于雷达目标识别中。在对模糊核C-均值聚类算法深入研究的基础上,提出一种基于模糊核C-均值聚类的高分辨距离像识别算法。该算法针对特征提取后一维距离像数据的特点,采用组合核函数以降低由于数据属性数值过大造成的权重过大对识别效果的影响;同时,算法可以在训练过程中通过有效性函数自适应地确定最佳聚类数目。仿真实验结果表明,基于组合核函数的识别算法同基于传统的高斯核的算法都能有效识别雷达目标,但前者具有更高的目标识别率。
单凯晶肖怀铁朱俊
关键词：一维距离像特征提取有效性函数核函数
基于自适应SVDD的雷达目标分类方法被引量：4
2011年
支持向量数据描述(support vector data description,SVDD)常用于实现目标类样本充分、非目标类样本多样化的两类分类。在雷达目标识别应用中,SVDD分类性能随样本噪声增加迅速下降。为了解决这个问题,通过深入分析SVDD抗噪性能差的原因,提出了基于自适应SVDD的雷达目标分类方法。该方法利用接收机工作特性曲线建立信噪比与分类最优超球半径的关系模型,在目标分类过程中,针对不同信噪比自适应选择分类判决门限。仿真实验表明,相比于常规SVDD方法,自适应SVDD方法大大提高了低信噪比下目标分类性能。
冯国瑜肖怀铁付强黄孟俊
关键词：支持向量数据描述自适应
时延神经网络的一种快速算法被引量：1
2009年
神经网络是人工智能应用研究的重要领域,具有较强的容错性,出色的自适应能力和非线性映射能力。时延神经网络(TDNN)因为时间延迟单元的加入,使网络增加了记忆功能,更加适合处理序列信息,具有较大的应用价值。但延时单元的加入导致算法分类过程中运算量过大,针对上述问题,提出了一种适合于硬件实现的快速算法。采用序贯处理流程,通过适当的结构分解并存储中间变量,从而最大限度的减少了实现过程中的重复计算,有效地降低了运算量。仿真结果表明,在一定的维数范围内,与批处理实现方法相比,所提出的快速算法在运算量和存储量上都具有一定的优势。
于新肖怀铁范红旗
关键词：模式识别时延神经网络
一种新的支持矢量数据描述模糊识别方法被引量：2
2009年
支持矢量机(SVM)是一种两类分类器,而支持矢量数据描述(SVDD)是一种单类数据分类方法,通过在特征空间寻找包含某类样本的最小超球体来对样本分类,该方法只需已知某类数据即可构造分类器。但是在SVDD方法中,直接根据超球体构造的分类器对样本数据正确识别能力不高。针对这个问题,根据样本在特征空间中到各个超球体球心的距离构造了样本属于各个类别的模糊隶属度函数,提出了FSVDD多目标识别方法。在FSVDD的训练过程中采用了乘性迭代规则的快速优化算法,该快速算法降低了优化的复杂度和缩短了优化时间。在针对不同类型数据集的识别实验中,证明了提出的FSVDD多目标识别算法具有训练速度快、识别率高的优点,有很强的实用性。
郭雷肖怀铁付强
关键词：目标识别支持矢量机超球体
全选 清除 导出
共2页<12>
聚类工具0