基于决策级融合的空间微动目标识别方法.pdf
康佳****文库
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于决策级融合的空间微动目标识别方法.pdf
本发明公开了一种基于决策级融合的空间微动目标识别方法,主要解决现有空间微动目标识别方法特征提取单一、回波利用不充分且识别率低的问题。其实现方案为:1)生成原始回波训练样本集、验证样本集及测试样本集;2)分别从原始回波训练样本集、验证样本集及测试样本集中提取目标的四类特征,包括:7维物理特征、伪Zernike矩特征、HRRP数据域特征及RID数据域特征;3)将所提取的四类特征输入相应分类器中,获得4类空间空间微动目标的后验概率;4)采用粒子群优化算法对后验概率进行赋权,得到最终的识别结果;本发明能充分表征目
基于Stacking集成算法的空间微动目标识别方法.pdf
本发明公开了一种基于Stacking集成算法的空间微动目标识别方法,主要解决现有空间微动目标识别方法特征提取单一、传统单分类器无法充分挖掘特征分类潜力的问题。其实现方案为:1)利用多变换域特征提取方法,提取目标时域、频域、时频域特征,生成训练样本集和测试样本集;2)构建由四个初级分类器并联,再与一个次级分类器级联的Stacking集成分类器模型;3)使用训练样本集和交叉验证方法对Stacking集成分类器进行训练;4)将测试样本集输入到训练好的Stacking集成分类器中,得到分类结果。本发明能充分表征目
基于微动周期的空间微动群目标单通道盲源分离方法.pdf
本发明公开了一种基于微动周期的空间微动群目标单通道盲源分离方法,该方法为:首先发射单频脉冲信号,得到多个弹头的单通道混合复数微动回波,然后将混合回波分割重排为矩阵形式,利用奇异值分解的方法,计算奇异值比,提取最大峰值可估计出每一个目标的微动周期;将混合回波按照周期分段并叠加,取平均,通过循环迭代的方法得到每一个目标在一个周期内的微动回波数据。本发明利用每一个弹头的微动周期都不相同这一先验知识,直接在时域对混合信号进行滤波,提高了信号分离的精度。
基于特征级和决策级融合的双模态目标跟踪算法.pdf
发明涉及一种基于特征级和决策级融合的双模态目标跟踪算法,包括构建SiamDL双级融合注意网络结构;获取模板图像;获取搜索区域图像;提取图像深度特征;对多域的深度特征进行交互;对交互后的特征进行分类约束;对分类结果进行调制;特征融合;调制融合特征;分类回归。本发明通过引入双层融合注意机制,提出了一种双级平衡模块,它可以利用决策级和特征级的信息更合理地平衡两种模式的权重比;引入跨域孪生注意机制,提出一个多域感知模块,能够自适应地更新模板特征,利用模式域和时域丰富的上下文信息,提高网络的特征表示能力,实现了高速
基于自优化融合反馈的显著目标识别方法.pdf
本发明涉及计算机目标识别技术领域,具体涉及基于自优化融合反馈的显著目标识别方法,包括:获取待识别目标的图像数据;将待识别目标的图像数据输入构建的目标识别模型中;首先基于图像数据提取多层次的特征信息,并对特征信息进行整合优化,得到包含多尺度感受野信息的优化特征图;然后对最高层特征信息进行全局特征优化,生成对应的全局特征图;最后进行最高层优化特征图到最低层优化特征图的渐进式融合,并加入全局特征图参与特征融合,以生成对应的显著图;基于目标识别模型输出的显著图完成显著目标识别。本发明的显著目标识别方法能够控制特征