基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

基于VD-AiNet聚类算法的空袭目标类型识别

针对防空反导作战中空袭目标类型识别问题,在分析空袭目标的主要类型、识别指标及其识别原则的基础上,将人工免疫算法中矢量距人工免疫网络聚类算法应用于抗体样本训练模块,并建立了抗体训练和目标识别的并行决策模型.最后进行了算例验证,结果表明了算法和模型的可行性和有效性.     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于二叉树支持向量机的空袭目标类型识别

针对现有空袭目标类型识别方法存在的不足,提出了一种基于二叉树支持向量机的空袭目标类型识别技术.该方法将二叉树与支持向量机有机结合起来,充分发挥了支持向量机解决两类分类问题的优势,有效地提高了识别率.最后给出了与现有识别方法的比较结果,证明了该方法的有效性.     

基于概率神经网络的空袭目标识别

针对BP网络的不足,提出基于概率神经网络(PNN)进行空袭目标识别的方法。首先提取空袭目标的速度、高度、机动加速度和雷达反射面积等特征并进行归一化处理,作为输入层数据,然后建立了概率神经网络目标识别模型。M atlab仿真实验表明,该方法识别空袭目标简单快速且准确率高,具有良好应用前景。     

基于模糊二叉树支持向量机的空袭目标属性识别

针对现有空袭目标属性识别方法存在的不足,提出了一种基于模糊二叉树支持向量机的空袭目标属性识别技术。该方法充分发挥了模糊二叉树支持向量机解决二类分类问题的优势,有效地提高了识别率和识别速度。最后给出了与现有识别方法的比较结果,证明了该方法的有效性。     

基于目标结构特征像的SVM目标识别方法

针对支持向量(SVM)对目标高分辨一维距离像(HRRP)识别率和稳定性不高的问题,研究将目标分解理论推广应用于对目标极化散射矩阵的分解,求得了目标结构特征像.在分析研究SVM的训练和测试方法的基础上,采用SVM通过结构特征像对两实验目标进行分类识别,结果表明,基于目标结构特征像的SVM目标识别方法能够提高目标正确识别率,且其稳定性较好.该方法是一种有效的目标识别方法.     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

基于二叉树直觉模糊SVM的弹道目标HRRP识别

弹道目标识别是一个多目标识别过程,二叉树支持向量机(BTSVM)是一种针对多类分类有效的分类器。BTSVM结构简单,训练快,但容易出现误差积累。为提高目标识别率,引入并改进了直觉模糊支持向量机,设计了一种基于自适应隶属度函数和直觉指数的多类直觉模糊SVM分类器。对训练集进行直觉模糊化处理得到直觉模糊数据集,用于训练分类器得到二叉树直觉模糊SVM分类器。将此分类器应用于弹道目标HRRP识别,提高了识别的正确率和识别效率,仿真结果表明了此分类器的有效性。     

基于支持向量机的多传感器空中目标识别研究

针对空中目标识别的复杂性,将支持向量机引入对空中目标的多传感器识别,对其机理进行了详细分析,建立了基于支持向量机的空中目标识别的算法模型.仿真实验的结果表明,该方法具有很好的识别效果,并且是一种能在训练样本很少的情况下达到很好分类推广能力的学习算法.     

空袭目标生成仿真模型研究

空袭目标生成,是防空兵作战仿真中一项十分重要的内容,其是否合理、有效将直接影响作战仿真的真实性.从防空兵作战的实际出发,依据空袭兵器的作战规律探讨了空袭目标的随机抽样过程,构建了单个空袭目标、单一空袭目标流和混合目标流的生成模型.     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

点状保卫目标的空袭规模预测模型

现代空袭作战已成为结构破坏战,各类政治、经济、军事指挥中心、侦察预警设施,交通枢纽等点状目标已成为敌空袭的首选目标,而如何准确、可靠地预测点状保卫目标的空袭规模是防空作战的首要问题和难点。把点状保卫目标分为立体类目标、平面类目标、地下类目标,根据每类点状目标的特性,构建其相应的空袭规模预测模型,通过算例分析,该模型具有较高的可信度,能为各种辅助决策系统和指挥自动化系统提供决策支持。     

基于模糊综合评判的地空导弹阵地选择

在现代防空中,由于精确制导技术在空袭兵器当中的运用,使防空作战中兵力机动显得格外重要.为实现机动作战,阵地选择就成为机动作战中的重要环节.运用模糊数学原理和方法,结合地空导弹部队阵地选择的特点,给出了阵地选择评价因素指标体系,建立了阵地选择方案的二级模糊综合评判模型,并采用层次分析法(AHP)对阵地选择评价因素的权重进行了确定,最终得出阵地选择合理的评价结果.     

区域防空兵力需求优化模型研究

区域防空兵力需求是防空作战保障部门实施高效保障的基本依据,也是进行区域防空作战布势的前提和基础。讨论了地面防空兵器和空袭兵器作战效能指数的计算方法,建立了地空对抗条件下的兰切斯特动态方程,得出了满足一定作战效能指标的区域防空各型防空火力单元的数量与规模。     

区域防空导弹体系拦截空中目标群的效能研究

针对强敌空袭目标常以编队的形式实施空袭这一特点,运用排队论理论和概率论知识尝试解决防空导弹体系拦截空中目标群效能问题。确立了可行的效能指标,构建了两种类型的防空导弹武器系统效能评估模型,经过算例验证,该模型有一定的可行性,能够很好地为决策者提供部署拦截武器系统的理论,可以更好地发挥区域防空导弹体系的整体作战效能。     

弹炮混编防空群兵力分配模型

针对对付现代日益发展的空袭手段的一种有效方法--弹炮混编防空布势中存在的防空武器种类繁多,兵力分配复杂,难以充分发挥各自效能的问题,建立了非线性规划模型,利用动态规划对该模型进行分析,运用拉格朗日降维法进行降维,将三维降为二维.经防空作战的实例验证该算法不但能将两维降到单维,而且还可以将多维降到单维,能节省计算机的内存使用率,提高仿真计算的速度,符合信息化条件下指挥决策实时化的要求且分配效果较好.     

一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。