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:
针对以传统的谱图和模型参数等方法提取得到的水下目标特征高维数据,文章提出了LPP的非线性降维方法,有效的去除特征向量各分量间的相关性,增大了特征向量的可分性,降低了后期识别的计算复杂度.同时设计了:DS-SVM融合决策分类器对获得的低维特征向量进行分类识别.与传统的SVM算法的分类识别效果进行比较分析,所得结果表明该方法有效的提高了水下目标识别的准确性,是一种行之有效的方法.
推荐文章
融合LLE和ISOMAP的非线性降维方法
人脸识别
流形学习
数据降维
全局距离保持
局部结构保持
基于非线性降维算法的膜蛋白类型识别
KPCA
膜蛋白
二肽组成
降维算法
生物信息学
基于线性与非线性特征融合的J波自动识别
J波
极点对称模态分解
高阶累计量
人工蜂群算法
支持向量机
水下目标融合识别技术研究现状与展望
目标识别
信息融合
多传感器系统
融合算法
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 基于非线性降维的水下目标融合识别决策
来源期刊 微型电脑应用 学科 数学
关键词 非线性降维 D-S证据理论 融合 水下目标
年,卷(期) 2008,(7) 所属期刊栏目 研究与设计
研究方向 页码范围 6-9
页数 4页 分类号 O235
字数 4978字 语种 中文
DOI 10.3969/j.issn.1007-757X.2008.07.003
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 姚莉秀 上海交通大学图像处理与模式识别研究所 35 388 10.0 19.0
2 ZOU Yi 上海交通大学图像处理与模式识别研究所 1 0 0.0 0.0
3 ZHOU Yue 上海交通大学图像处理与模式识别研究所 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (24)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(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)
研究主题发展历程
节点文献
非线性降维
D-S证据理论
融合
水下目标
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
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导