基于改进的子类判决分析的SAR目标特征提取与识别
针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布.首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA)准则寻找最优的投影矢量,使得投影后不同类别的子类样本之间距离最大而每个子类内部的样本散布最小.用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR地面静止目标数据的实验结果表明,ICDA可获得较好的对真实目标的分类性能和对干扰目标的拒判能力.
合成孔径雷达、自动目标识别、子类判决分析、快速全局k-均值聚类算法
31
TN957.52
教育部长江学者和创新团队支持计划IRT0645;国家自然科学基金60772140资助课题
2009-12-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
2264-2268