基于模糊支持向量机的毫米波辐射计目标识别

被引：6

作者：

李小辉 ^{[1
]}

朱莉 ^{[1
]}

吴坚 ^{[2
]}

机构：

[1] 南京理工大学电光学院探测与控制工程系

[2] 淮海工业集团有限公司

来源：

微波学报 | 2017年 / 33(S1)卷 / S1期

关键词：

模糊支持向量机; 隶属度精度; 毫米波辐射计; 目标识别;

D O I：

暂无

中图分类号：

TN015 [微波与超高频技术];

学科分类号：

080904 [电磁场与微波技术];

摘要：

针对孤立点和噪声对支持向量机(SVM)的分类精度以及泛化能力造成的影响,本文引入模糊支持向量机(FSVM)并提出一种优化方法提高样本隶属度精度从而提高模糊支持向量机的分类正确率。本文将模糊支持向量机应用于毫米波辐射计目标识别,利用模糊支持向量机对毫米波辐射计探测到的不同样本数据进行处理分类,实验结果表明该模糊支持向量机可以降低孤立点及噪声对目标识别的分类影响,和支持向量机及传统模糊支持向量机相比在相同干扰程度下识别分类正确率更高。

引用

页码：203 / 206

页数：4

共 6 条

[1]

拓展支持向量机算法与研究.[M].吴青.科学出版社.2015,

[2]

毫米波近感技术基础.[M].李兴国; 李跃华; 编著.北京理工大学出版社.2009,

[3]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[4]

基于PCA优化径向基函数神经网络的毫米波辐射计目标识别附视频 [J].