基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
给出了一种应用统计学习领域最新的支持矢量机(Support Vector Machines,简称SVM)分类器识别高分辨率距离像(High Resolution Range Profile,简称HRRP)的方法.应用美国空军研究室(Air Force Research Laboratory)的MSTAR(Moving and Stationary Target Acquisition and Recognition)实测数据,该方法获得了较满意的识别率.与模板匹配法相比,实验结果证明了支持矢量机分类器的有效性,同时证明了支持矢量机分类器与幂变换结合后可以大大提高识别率.
推荐文章
基于SVM的一种新的分类器设计方法
小样本数据
SVM分类器
分类准确率
半监督学习
一种基于AdaBoost-SVM的流量分类方法
流量分类
K-L变换
支持向量机
AdaBoost
弱分类器
一种新的基于SVM权重向量的云分类器
支持向量机
云模型
云分类器
交叉验证
一种基于SVM特征选择的油气预测方法
向量计算机
地震数据处理
油气藏
预测
观音场气田
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于SVM分类器的HRRP-ATR方法
来源期刊 现代雷达 学科 工学
关键词 支持矢量机 高分辨率距离像 自动目标识别
年,卷(期) 2004,(5) 所属期刊栏目 总体工程
研究方向 页码范围 20-23
页数 4页 分类号 TN959
字数 2671字 语种 中文
DOI 10.3969/j.issn.1004-7859.2004.05.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高倩 中国民用航空学院智能信号与图像处理天津市重点实验室 4 18 3.0 4.0
2 吴仁彪 中国民用航空学院智能信号与图像处理天津市重点实验室 15 165 7.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (19)
参考文献  (9)
节点文献
引证文献  (8)
同被引文献  (19)
二级引证文献  (27)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(3)
  • 参考文献(3)
  • 二级参考文献(0)
2001(3)
  • 参考文献(3)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2005(2)
  • 引证文献(2)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(0)
  • 二级引证文献(1)
2008(1)
  • 引证文献(0)
  • 二级引证文献(1)
2009(2)
  • 引证文献(0)
  • 二级引证文献(2)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(3)
  • 引证文献(0)
  • 二级引证文献(3)
2019(11)
  • 引证文献(2)
  • 二级引证文献(9)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
支持矢量机
高分辨率距离像
自动目标识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代雷达
月刊
1004-7859
32-1353/TN
大16开
南京3918信箱110分箱
28-288
1979
chi
出版文献量(篇)
5197
总下载数(次)
19
总被引数(次)
32760
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导