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:
支持向量机(SVM)算法能较好地解决传感器数据不完整、缺失情况.针对SVM关键参数难以选择问题,提出了基于粒子群-SVM算法空中目标智能融合识别模型.结合工程需求,进行仿真.仿真结果表明,该算法能较精确地识别目标.
推荐文章
基于PSO-SVM算法的长微博贴图识别方法
长微博贴图
支持向量机
粒子群优化算法
最佳分类模型
基于PSO-SVM模型的油气管道内腐蚀速率预测
PSO-SVM模型
油气管道
内腐蚀
速率预测
误差分析
PSO-SVM信息融合在广域后备保护中的应用
粒子群优化
支持向量机
信息融合
广域后备保护
故障判别
PSO-SVM算法在智能建筑环境监控系统中的应用
环境监控
多传感器
粒子群优化
支持向量机
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PSO-SVM的空中目标智能融合识别模型
来源期刊 飞机设计 学科 航空航天
关键词 目标识别 支持向量机 多传感器数据融合 粒子群
年,卷(期) 2013,(1) 所属期刊栏目
研究方向 页码范围 46-48,53
页数 4页 分类号 V212
字数 语种 中文
DOI
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 曹永刚 2 0 0.0 0.0
2 魏晓明 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  (43)
共引文献  (165)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(13)
  • 参考文献(0)
  • 二级参考文献(13)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(11)
  • 参考文献(1)
  • 二级参考文献(10)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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
目标识别
支持向量机
多传感器数据融合
粒子群
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
飞机设计
双月刊
1673-4599
21-1339/V
大16开
辽宁省沈阳市
1980
chi
出版文献量(篇)
1881
总下载数(次)
5
总被引数(次)
7568
论文1v1指导