申请/专利权人:北京理工大学
申请日:2020-06-08
公开(公告)日:2020-10-13
公开(公告)号:CN111767803A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/62(20060101);G06K9/46(20060101)
优先权:
专利状态码:有效-授权
法律状态:2022.02.08#授权;2020.10.30#实质审查的生效;2020.10.13#公开
摘要:本发明公开了合成极窄脉冲雷达抗目标姿态敏感的鉴别方法,可以有效提高分类鉴别效果,可以解决存在的合成极窄脉冲雷达图像姿态敏感问题。包括如下步骤:获取带有目标的训练样本图像和测试样本图像并做预处理和特征提取,获得训练和测试样本特征向量集合;利用孪生支持向量机对所选取的两训练样本类别获取一个分类超平面;利用先验样本类别信息和分类超平面构建权重矩阵;构建目标函数,并求解得到投影矩阵;对训练和测试样本特征向量集合利用投影矩阵获得投影后的训练样本集合和测试样本集合,利用孪生支持向量机进行分类,实现当前两训练样本类别的二分类。重新选取两训练样本类别实现二分类,直至所有训练样本类别实现两两之间的二分类。
主权项:1.合成极窄脉冲雷达抗目标姿态敏感的鉴别方法,其特征在于,包括:步骤一、利用合成极窄脉冲雷达成像方法获取带有目标的训练样本图像和测试样本图像;其中属于同一目标的训练样本图像标记为同一训练样本类别;训练样本类别总数在2个以上;步骤二、对训练样本图像和测试样本图像做预处理;步骤三、对预处理后的训练样本图像和测试样本图像进行特征提取,获得训练样本特征向量集合和测试样本特征向量集合;任意选取两训练样本类别,执行步骤四;步骤四、利用孪生支持向量机对当前选取的两训练样本类别获取分类超平面;步骤五、利用先验样本类别信息和分类超平面构建权重矩阵;步骤六、根据构建的权重矩阵构建目标函数,并求解得到投影矩阵;步骤七、对所述训练样本特征向量集合和所述测试样本特征向量集合利用投影矩阵获得投影后的训练样本集合和投影后的测试样本集合,利用孪生支持向量机进行分类,实现当前选取的两训练样本类别的二分类;步骤八、重新选取两训练样本类别,返回步骤四,直至所有训练样本类别实现两两之间的二分类。
全文数据:
权利要求:
百度查询: 北京理工大学 合成极窄脉冲雷达抗目标姿态敏感的鉴别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。