一种基于半监督学习的弹道目标识别方法

• 作者: 田西兰 赵洪立 郭法滨
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 半监督学习 弹道目标识别 多核学习 多核直推式支持向量机(TSVM-MKL)
• 年，卷（期）: 2017,（6）
• 页码范围: 651-655
• 页数: 5页
• 分类号: TN958|TJ765
• 字数: 4040字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2017.06.013

摘要

常规反导目标识别系统多依赖于先验知识与一定规模的样本,然而,由于弹道导弹发射事件具有偶发性强、非合作性强等特点,弹道目标样本积累困难,已积累的观测数据也难以进行准确的类别标定.因此,弹道目标识别系统通常研发周期较长、开发代价巨大.针对该问题,将半监督学习算法引入弹道目标识别分类器设计,以降低常规分类识别方法对样本规模的要求.进一步地,针对弹道目标特征分布未知的情况,设计一种TSVM-MKL分类器实现对半监督学习中假设模型的自适应调整.数据验证结果表明,该算法能在"极小"标定样本识别情景下仍能取得良好的分类识别效果,具有良好的工程应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵洪立	中国电子科技集团公司第三十八研究所	8	42	4.0	6.0
3	田西兰	中国电子科技集团公司第三十八研究所	17	22	2.0	4.0
7	郭法滨	中国电子科技集团公司第三十八研究所	5	2	1.0	1.0