基于非相关判别邻域保持投影的毫米波雷达目标识别
该文基于流形学习的思想,综合线性判别分析(LDA)及邻域保持投影(NPP)算法的优势,提出了一种新的流形学习算法,即非相关判别邻域保持投影(Uncorrelated Discriminant Neighborhood Preserving Projections,UDNPP).该算法在保持了邻域几何结构的同时最大化了类间距离,并通过引入一非相关约束条件使得提取的特征向量具有非相关性,减少了冗余信息的干扰.毫米波雷达目标识别实验结果表明,非相关判别邻域保持投影算法相对其它流行的学习算法有更好的性能.
目标识别、毫米波雷达、特征提取、流形学习、类间距离、非相关约束
32
TN957.51
国家部委基金
2011-03-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
2751-2754