基于L1/2范数约束增量非负矩阵分解的SAR目标识别

• 作者: 党思航 崔宗勇 张慧
• 来源期刊: 计算机应用研究
• 关键词: 增量非负矩阵分解 合成孔径雷达 目标识别 L1/2范数约束
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 图形图像技术
• 页码范围: 628-631
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.066

摘要

增量非负矩阵分解(INMF)随目标样本增加逐渐更新分解模型,能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题.然而INMF在使NMF具备增量学习能力的同时,并未考虑NMF分解矩阵的稀疏性对识别性能的提升作用.针对上述问题,提出基于L1/2范数约束的增量非负矩阵分解(L1/2-INMF)算法,并应用于SAR目标识别.L1/2-INMF采用L1/2范数实时约束增量过程中的NMF分解矩阵,能够在不增加计算复杂度的同时,提升识别性能.针对MSTAR数据集的仿真实验结果表明,提出的L1/2-INMF能够解决传统非负矩阵分解方法计算代价随样本增加而增加的问题,获得了比增量非负矩阵分解更优异的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张慧	电子科技大学成都学院电子工程系	12	24	3.0	4.0
2	党思航	电子科技大学电子工程学院	2	1	1.0	1.0
3	崔宗勇	电子科技大学电子工程学院	6	19	2.0	4.0