学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于AdaBoost.ECOC的合成孔径雷达图像目标识别研究
被引:5
作者
:
郭巍
论文数:
0
引用数:
0
h-index:
0
机构:
中国科学院电子学研究所
中国科学院研究生院
中国科学院电子学研究所
郭巍
[
1
,
2
]
论文数:
引用数:
h-index:
机构:
张平
[
1
]
朱良
论文数:
0
引用数:
0
h-index:
0
机构:
中国科学院电子学研究所
中国科学院研究生院
中国科学院电子学研究所
朱良
[
1
,
2
]
陈曦
论文数:
0
引用数:
0
h-index:
0
机构:
中国科学院电子学研究所
中国科学院研究生院
中国科学院电子学研究所
陈曦
[
1
,
2
]
机构
:
[1]
中国科学院电子学研究所
[2]
中国科学院研究生院
来源
:
哈尔滨工程大学学报
|
2010年
/ 31卷
/ 02期
关键词
:
合成孔径雷达;
目标识别;
纠错输出码;
AdaBoost.ECOC;
D O I
:
暂无
中图分类号
:
TN957.52 [数据、图像处理及录取];
学科分类号
:
080904 ;
0810 ;
081001 ;
081002 ;
081105 ;
0825 ;
摘要
:
为了提高合成孔径雷达图像目标识别系统的性能,提出了一种合成孔径雷达图像目标识别的新方法,结合纠错输出码对基本AdaBoost算法进行多类别推广,并将推广后的算法(AdaBoost.ECOC)应用于合成孔径雷达图像目标识别.用运动和静止目标获取与识别数据库中的三类地面军事目标进行识别实验,并将识别结果与其他识别方法进行比较.实验结果表明,提出的基于AdaBoost.ECOC的识别算法可以有效地应用于合成孔径雷达目标识别,并能显著提高目标识别系统的识别性能.
引用
收藏
页码:232 / 236
页数:5
相关论文
共 1 条
[1]
Nature of Statistical Learning Theory .2 Vladimir N Vapnik. Springer Verlag . 2000
←
1
→
共 1 条
[1]
Nature of Statistical Learning Theory .2 Vladimir N Vapnik. Springer Verlag . 2000
←
1
→