-
公开(公告)号：CN106326938A
公开(公告)日：2017-01-11
申请号：CN201610815763.0
申请日：2016-09-12
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
CPC分类号： G06K9/6259 , G06K9/46 , G06K9/627
摘要： 本发明公开了一种基于弱监督学习的SAR图像目标鉴别方法，主要解决现有技术鉴别性能低和样本标记成本高的问题。其实现方案是：在训练阶段，先对正图像的样本集和负图像的负样本集分别提取局部限制性编码LLC特征，再用负样本集训练一个潜在的狄利克雷分配LDA模型，并用该模型从正图像样本集中挑选初始正样本集，用以迭代训练二类SVM鉴别器，得到最优鉴别器；在测试阶段，先对测试样本集提取局部限制性编码LLC特征，再用得到的最优鉴别器对测试样本集进行鉴别。本发明在鉴别性能与全监督的二类SVM鉴别器相近的同时减少了人工标记的成本，更具有实用性，而且，对比杂波训练的一类SVDD鉴别器在复杂场景下的鉴别性能更优，适用于SAR图像目标鉴别。
-
公开(公告)号：CN108509989B
公开(公告)日：2020-04-21
申请号：CN201810254090.5
申请日：2018-03-26
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于高斯选控玻尔兹曼机的HRRP识别方法，主要针对已有HRRP识别方法不足，提出了高斯选控玻尔兹曼机应用于HRRP的噪声稳健识别。其实现步骤是：(1)预处理数据；(2)构建高斯选控玻尔兹曼机网络；(3)初始化网络参数；(4)将预处理后的HRRP训练样本输入高斯选控玻尔兹曼机；(5)对隐藏层和选择因子进行迭代采样；(6)更新可见层；(7)更新网络参数；(8)训练线性SVM分类器，输出识别结果。本发明降低了对HRRP数据噪声先验的依赖性，同时能够有效提取原始数据的有用特征，具有良好的噪声稳健性，并提高了HRRP识别正确率。
-
公开(公告)号：CN106326938B
公开(公告)日：2019-03-08
申请号：CN201610815763.0
申请日：2016-09-12
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
摘要： 本发明公开了一种基于弱监督学习的SAR图像目标鉴别方法，主要解决现有技术鉴别性能低和样本标记成本高的问题。其实现方案是：在训练阶段，先对正图像的样本集和负图像的负样本集分别提取局部限制性编码LLC特征，再用负样本集训练一个潜在的狄利克雷分配LDA模型，并用该模型从正图像样本集中挑选初始正样本集，用以迭代训练二类SVM鉴别器，得到最优鉴别器；在测试阶段，先对测试样本集提取局部限制性编码LLC特征，再用得到的最优鉴别器对测试样本集进行鉴别。本发明在鉴别性能与全监督的二类SVM鉴别器相近的同时减少了人工标记的成本，更具有实用性，而且，对比杂波训练的一类SVDD鉴别器在复杂场景下的鉴别性能更优，适用于SAR图像目标鉴别。
-
公开(公告)号：CN108509989A
公开(公告)日：2018-09-07
申请号：CN201810254090.5
申请日：2018-03-26
申请人： 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于高斯选控玻尔兹曼机的HRRP识别方法，主要针对已有HRRP识别方法不足，提出了高斯选控玻尔兹曼机应用于HRRP的噪声稳健识别。其实现步骤是：(1)预处理数据；(2)构建高斯选控玻尔兹曼机网络；(3)初始化网络参数；(4)将预处理后的HRRP训练样本输入高斯选控玻尔兹曼机；(5)对隐藏层和选择因子进行迭代采样；(6)更新可见层；(7)更新网络参数；(8)训练线性SVM分类器，输出识别结果。本发明降低了对HRRP数据噪声先验的依赖性，同时能够有效提取原始数据的有用特征，具有良好的噪声稳健性，并提高了HRRP识别正确率。
-
公开(公告)号：CN105403873B
公开(公告)日：2018-03-06
申请号：CN201510920520.9
申请日：2015-12-11
申请人： 西安电子科技大学
IPC分类号： G01S7/41
摘要： 本发明公开了一种基于分数阶傅里叶变换理论的特征提取方法，主要解决现有技术在对三类飞机目标分类过程的特征提取中特征单一且分类效果不理想的问题。其技术方案是：1、对训练信号做分数阶傅里叶变换；2、对变换后的训练信号提取特征；3、对提取出的特征进行特征选择；4、用选出特征对分类器进行训练；5、对测试信号做分数阶傅里叶变换；6、对变换后测试信号提取步骤3中所选出特征；7、把从测试信号中提取的特征送入到训练好的分类器中，完成对三类飞机目标的分类。本发明将传统的时域和多普勒域特征扩展到分数域，能够更好地描述目标回波特性，提高分类正确率，可用于对直升机、螺旋桨飞机和喷气式飞机这三类目标的分类。
-
公开(公告)号：CN105403873A
公开(公告)日：2016-03-16
申请号：CN201510920520.9
申请日：2015-12-11
申请人： 西安电子科技大学
IPC分类号： G01S7/41
CPC分类号： G01S7/41
摘要： 本发明公开了一种基于分数阶傅里叶变换理论的特征提取方法，主要解决现有技术在对三类飞机目标分类过程的特征提取中特征单一且分类效果不理想的问题。其技术方案是：1、对训练信号做分数阶傅里叶变换；2、对变换后的训练信号提取特征；3、对提取出的特征进行特征选择；4、用选出特征对分类器进行训练；5、对测试信号做分数阶傅里叶变换；6、对变换后测试信号提取步骤3中所选出特征；7、把从测试信号中提取的特征送入到训练好的分类器中，完成对三类飞机目标的分类。本发明将传统的时域和多普勒域特征扩展到分数域，能够更好地描述目标回波特性，提高分类正确率，可用于对直升机、螺旋桨飞机和喷气式飞机这三类目标的分类。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.055 秒)
