本文選題：目標識別　切入點：混合專家系統(tǒng)　出處：《電子與信息學報》2015年01期

【摘要】：在目標識別中,對于樣本數較多且分布復雜的數據,若將所有訓練樣本用來訓練一個單一的分類器,會增加分類器的訓練復雜度,且容易忽視樣本的內在結構,不利于分類。因此人們提出了混合專家系統(tǒng)(ME),即將訓練樣本集劃分為多個訓練樣本子集,并在每個子集上單獨訓練分類器。但是傳統(tǒng)ME系統(tǒng)需要人為確定專家個數,并且每個子集的學習獨立于后端的任務,如分類。該文提出一種基于Dirichlet過程(DP)混合隱變量(LV)支持向量機(SVM)模型(DPLVSVM)的目標識別算法,采用DP混合模型自動確定樣本聚類個數,同時每個聚類中使用線性隱變量SVM(LVSVM)進行分類。不同于以往算法,DPLVSVM將聚類過程和分類器的訓練過程聯合優(yōu)化,保證了各個子集中樣本的分布上的一致性和可分性,而且可以利用Gibbs采樣技術對模型參數進行簡便有效的估計�；谌斯祿�、公共數據集以及雷達實測數據的實驗驗證了該文方法的有效性。
[Abstract]:In target recognition, if all training samples are used to train a single classifier, the training complexity of the classifier is increased, and the intrinsic structure of the sample is easily ignored. Therefore, a hybrid expert system is proposed, that is, the training sample set is divided into several subsets of training samples, and the classifier is trained separately on each subset, but the traditional ME system needs to determine the number of experts artificially. Moreover, the learning of each subset is independent of back-end tasks, such as classification. In this paper, a target recognition algorithm based on the Dirichlet process and the mixture of hidden variables (Dirichlet) and support vector machine (SVM) model is proposed. The DPLVSVM) algorithm is used to automatically determine the number of samples by using the DP hybrid model. At the same time, each cluster is classified by using the linear hidden variable SVM- LVSVM. Different from the previous algorithm, DPLV SVM optimizes the clustering process and the training process of the classifier, which ensures the consistency and separability of the distribution of samples in each subset. Moreover, the model parameters can be easily and effectively estimated by using Gibbs sampling technology, and the effectiveness of this method is verified by experiments based on artificial data sets, common data sets and radar measured data.
【作者單位】： 西安電子科技大學雷達信號處理國家重點實驗室;
【基金】：國家自然科學基金(61372132,61271024,61322103) 新世紀優(yōu)秀人才支持計劃(NCET-13-0945) 全國優(yōu)秀博士學位論文作者專項資金(FANEDD-201156) 中央高�；究蒲袠I(yè)務費專項資金資助課題
【分類號】：TN957.52;TP181

【相似文獻】

相關期刊論文 前10條

1 李彥鵬,黎湘,莊釗文,梁甸農;應用多級模糊綜合評判的目標識別效果評估[J];信號處理;2005年05期

2 R.B.Dybdal ,于霆;毫米波雷達在空間目標識別中的應用[J];系統(tǒng)工程與電子技術;1980年09期

3 E.DalleMese ,A.Cantoni ,許小劍;雷達目標識別[J];系統(tǒng)工程與電子技術;1985年11期

4 郭桂蓉,郁文賢,胡步法;一種有效的艦船目標識別新方法[J];系統(tǒng)工程與電子技術;1990年06期

5 呂超全;;多目標抑制與目標識別[J];光學工程;1983年06期

6 季秀霞;卞曉曉;;基于壓縮感知的合成孔徑雷達圖像目標識別[J];計算機應用與軟件;2013年12期

7 龔彬;王福豹;趙玉輝;;一種面向目標識別的分布式臨時簇構建算法[J];計算機測量與控制;2008年11期

8 許小劍,黃培康;利用RCS幅度信息進行雷達目標識別[J];系統(tǒng)工程與電子技術;1992年06期

9 肖順平，王雪松，郭桂蓉，，莊釗文，曾勇虎;基于極化譜的飛機目標識別[J];電子學報;1997年12期

10 黃為倬;;目標識別和逆合成口徑雷達[J];現代雷達;1988年06期

相關會議論文 前3條

1 杜志敏;蔣立輝;田峻峰;;支持向量機在決策層融合目標識別中的應用[A];中國電子學會第十五屆信息論學術年會暨第一屆全國網絡編碼學術年會論文集（下冊）[C];2008年

2 楊文;孫洪;管鮑;王曉軍;;基于目標識別的SAR圖像特征分析[A];第十一屆全國信號處理學術年會（CCSP-2003）論文集[C];2003年

3 王東;李琦;王騏;;基于特征序列相關度的相干激光雷達距離像目標識別仿真[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

相關博士學位論文 前3條

1 李彥鵬;自動目標識別效果評估[D];國防科學技術大學;2004年

2 張興敢;逆合成孔徑雷達成像及目標識別[D];南京航空航天大學;2002年

3 馬君國;空間雷達目標特征提取與識別方法研究[D];國防科學技術大學;2006年

相關碩士學位論文 前10條

1 王維雅;基于DSP的快速目標識別與跟蹤技術研究[D];哈爾濱工業(yè)大學;2006年

2 何X

本文編號：1680140