基于核方法的高分辨距离像雷达目标识别
研究基于核的非线性方法，并将其应用于高分辨距离像雷达目标识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一，针对其面临的小样本问题，给出一种null-KFDA方法，对距离像进行特征提取.然后，采用一种新的核非线性分类器--KNR，对所提取的特征进行分类.对3种飞机的实测距离像数据进行实验，其结果验证了null-KFDA的有效性.此外，与非线性支持向量机(SVM)和径向基函数神经网络(RBFNN)相比，KNR具有更优的识别性能.
雷达目标识别 核非线性分类器 特征提取
于雪莲 袁湘辉 汪学刚 刘本永
电子科技大学,成都,610054 海军工程大学,武汉,430033 贵州大学,贵阳,520025
国内会议
秦皇岛·北戴河
中文
606-609
2007-08-06（万方平台首次上网日期，不代表论文的发表时间）