為研究雷達(dá)目標(biāo)分類方法,對(duì)基于貝葉斯估計(jì)特征分布融合的目標(biāo)分類方法進(jìn)行了研究.根據(jù)目標(biāo)點(diǎn)跡參數(shù)具有隨機(jī)性特點(diǎn),建立特征模型;然后對(duì)目標(biāo)真假特征分布進(jìn)行基于貝葉斯估計(jì)下的融合,融合后的多維分布在分類導(dǎo)向矢量的作用下得到分類界面的確定和特征降維處理,得到目標(biāo)一維高斯概率分布;最后根據(jù)目標(biāo)分布距離積分得到目標(biāo)概率,以概率門限為準(zhǔn)則完成目標(biāo)分類.通過(guò)對(duì)二維、三維及多維特征下目標(biāo)分類算法的分析、計(jì)算和仿真,驗(yàn)證了方法的有效性. 

【文章來(lái)源】：空軍預(yù)警學(xué)院學(xué)報(bào). 2020,34(05)

【文章頁(yè)數(shù)】：5 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量機(jī)和邏輯回歸的半監(jiān)督空譜加權(quán)的高光譜圖像分類（英文）[J]. 趙春暉,高冰,趙晨.  黑龍江大學(xué)工程學(xué)報(bào). 2019(04)
[2]一種基于支持向量機(jī)的雷達(dá)多目標(biāo)分類方法[J]. 張玲,陳路路,梁進(jìn)科,仉樹(shù)軍.  無(wú)線電工程. 2020(01)

碩士論文
[1]樸素貝葉斯分類器的研究與改進(jìn)[D]. 周艷.廈門大學(xué) 2017



本文編號(hào)：3265152