基于免疫克隆高斯过程隐变量模型的SAR目标特征提取与识别
기우면역극륭고사과정은변량모형적SAR목표특정제취여식별
Gaussian process latent variable model based on immune clonal selection for SAR target feature extraction and recognition
  • 万方数据
    红外与毫米波学报 홍외여호미파학보
    JOURNAL OF INFRARED AND MILLIMETER WAVES
    2013年 3期 231-236 ,共6页

    张向荣%缑丽敏%李阳阳%冯婕%焦李成

    장향영%구려민%리양양%풍첩%초리성

    高斯过程隐变量模型%免疫克隆选择算法%特征提取%SAR图像目标识别 高斯過程隱變量模型%免疫剋隆選擇算法%特徵提取%SAR圖像目標識彆
    고사과정은변량모형%면역극륭선택산법%특정제취%SAR도상목표식별
    Gaussian process latent variable model%immune clonal selection algorithm%featrue extraction%SAR target recognition
    作为一种非线性维数约减算法,高斯过程隐变量模型(Gaussian process latent variable model,GPLVM)由于其适合处理小样本、高维数据,因而在模式识别、计算机视觉等领域得到了广泛应用.基于此,提出一种基于改进GPLVM的SAR图像目标特征提取及自动识别方法,其中利用改进的GPLVM进行特征提取,高斯过程分类进行目标识别.传统GPLVM使用共轭梯度法对似然函数进行优化,为避免梯度估值易受噪声干扰、步长对算法影响严重等缺点,提出基于免疫克隆选择算法的GPLVM,利用其具有快速收敛到全局最优的特性提高算法性能.实验结果表明,该算法不仅降低了特征维数,且提高了识别精度,从而验证了算法用于SAR图像目标识别的有效性.
    작위일충비선성유수약감산법,고사과정은변량모형(Gaussian process latent variable model,GPLVM)유우기괄합처리소양본、고유수거,인이재모식식별、계산궤시각등영역득도료엄범응용.기우차,제출일충기우개진GPLVM적SAR도상목표특정제취급자동식별방법,기중이용개진적GPLVM진행특정제취,고사과정분류진행목표식별.전통GPLVM사용공액제도법대사연함수진행우화,위피면제도고치역수조성간우、보장대산법영향엄중등결점,제출기우면역극륭선택산법적GPLVM,이용기구유쾌속수렴도전국최우적특성제고산법성능.실험결과표명,해산법불부강저료특정유수,차제고료식별정도,종이험증료산법용우SAR도상목표식별적유효성.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문