作者:
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:
提出了一种改进的稀疏保持投影(Sparsity Preserving Projections,SPP)特征提取方法.该方法将SPP特征提取与局部保持投影(Locality Preserving Projection,LPP)特征提取思想相结合,构造新的目标函数求解投影向量,保证了投影空间内样本的稀疏重构误差达到最小的同时使同类样本间距最小.利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)实测SAR数据进行实验,实验结果表明在不利用目标成像方位信息情况下平均识别率最高可达97.81%,明显地提高了目标的识别结果,是一种有效的SAR目标识别方法.
推荐文章
基于非下采样剪切波特征提取的SAR图像目标识别方法
合成孔径雷达
目标识别
非下采样剪切波
联合稀疏表示
MSTAR数据集
一种改进的局部保持投影高光谱特征提取算法
局部保持投影
特征提取
半监督
高光谱
人脸识别中基于熵的局部保持特征提取算法
总体熵
特征提取
局部保持映射
S-LPP
结合L1图模型和局部保持投影特征的SAR变形目标识别方法
L1图模型
SAR图像
变形目标识别
局部保持投影
稀疏描述
正则化
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 基于改进的稀疏保持投影的SAR目标特征提取与识别
来源期刊 雷达学报 学科 工学
关键词 合成孔径雷达 自动目标识别 稀疏保持投影 特征提取
年,卷(期) 2015,(6) 所属期刊栏目 雷达目标识别专题
研究方向 页码范围 674-680
页数 7页 分类号 TN957.52
字数 3695字 语种 中文
DOI 10.12000/JR15068
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 韩萍 中国民航大学智能信号与图像处理天津市重点实验室 67 469 10.0 19.0
2 王欢 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (64)
共引文献  (34)
参考文献  (13)
节点文献
引证文献  (2)
同被引文献  (3)
二级引证文献  (8)
1993(3)
  • 参考文献(1)
  • 二级参考文献(2)
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)
1997(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(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(11)
  • 参考文献(0)
  • 二级参考文献(11)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(12)
  • 参考文献(2)
  • 二级参考文献(10)
2010(7)
  • 参考文献(1)
  • 二级参考文献(6)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(8)
  • 参考文献(4)
  • 二级参考文献(4)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
合成孔径雷达
自动目标识别
稀疏保持投影
特征提取
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
雷达学报
双月刊
2095-283X
10-1030/TN
大16开
北京市海淀区北四环西路19号
2012
chi
出版文献量(篇)
766
总下载数(次)
3
总被引数(次)
4241
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