科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2008年
23期
6224-6227,6235
,共5页
雷达组网%航迹%点迹%等周期融合%支持向量机
雷達組網%航跡%點跡%等週期融閤%支持嚮量機
뢰체조망%항적%점적%등주기융합%지지향량궤
为了综合利用多雷达数据信息和获得高质量的点迹、航迹,需要对空中目标的多雷达数据进行机器自动识别.支持向量机(Support vector machine,简称SVM)是一种结构风险最小化原理,具有很高泛化性能的学习算法.使用SVM理论,通过对三部雷达的探测数据的分类、识别处理,对多雷达数据的机器识别方法进行了研究,分类正确率可以达到99.40%,表明,此机器识别方法是可行的.
為瞭綜閤利用多雷達數據信息和穫得高質量的點跡、航跡,需要對空中目標的多雷達數據進行機器自動識彆.支持嚮量機(Support vector machine,簡稱SVM)是一種結構風險最小化原理,具有很高汎化性能的學習算法.使用SVM理論,通過對三部雷達的探測數據的分類、識彆處理,對多雷達數據的機器識彆方法進行瞭研究,分類正確率可以達到99.40%,錶明,此機器識彆方法是可行的.
위료종합이용다뢰체수거신식화획득고질량적점적、항적,수요대공중목표적다뢰체수거진행궤기자동식별.지지향량궤(Support vector machine,간칭SVM)시일충결구풍험최소화원리,구유흔고범화성능적학습산법.사용SVM이론,통과대삼부뢰체적탐측수거적분류、식별처리,대다뢰체수거적궤기식별방법진행료연구,분류정학솔가이체도99.40%,표명,차궤기식별방법시가행적.
