基于FLAKNN的雷达一维距离像目标识别

摘要：

由于传统KNN算法在应用于高分辨一维距离像进行目标识别时,存在全局使用固定k值和未考虑各特征分量对分类的影响等不足,使得目标识别性能较差.提出一种改进的KNN算法:FLAKNN.通过提取目标高分辨率一维距离像的尺寸、熵、中心距、不规则度、去尺度特征、对称度等稳定特征,使用Fisher判别分析将所有特征分量投影至低维空间,使不同类别间具备最大可分性;结合相邻样本局部的分布情况和k取值的调整,最终使用少数服从多数的投票原则决定测试样本的类别.结果表明,相对传统KNN算法,该算法进一步提升了识别性能.

关键词：KNN、Fisher判别分析、局部分析、目标识别、一维距离像

所属期刊栏目：41

分类号：TN959.17

资助基金：国家部委基础科研项目（非规范姓名名称）JCKY2017602C017

在线出版日期：2021-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：611-618