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.     

一种舰船目标一维距离像识别的新方法

提出了一种基于傅里叶-梅林变换和二叉树支持向量机相结合的舰船目标一维距离像识别方法。该方法充分利用了傅里叶-梅林变换具有的时移与尺度不变性和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能。针对多类舰船目标的识别,提出采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量。对4类舰船目标仿真实验的结果表明,该分类方法具有较高的识别性能、较快的识别速度。     

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。     

基于粗糙集支持向量机的空袭目标识别

为提高对空袭目标的识别能力,提出了一种基于粗糙集支持向量机的空袭目标识别方法.该模型用RS方法构建SVM数据处理系统的前置系统,充分利用RS理论在处理大数据量,消除冗余信息等方面的优势,减少了SVM训练数据,克服了SVM算法因为数据量太大而导致处理速度慢的缺点.根据分类识别的要求,在RS-SVM两类分类算法的基础上,建...     

基于修正核函数的支持向量机空袭目标威胁评估

为提高空袭目标威胁评估的准确性,在分析目标威胁评估特点的基础上,提出了一种基于修正核函数的支持向量机空袭目标威胁评估方法.该方法以黎曼几何为理论依据,通过构造一种新的保角变换,并利用该保角变换对核函数进行修正,可提高支持向量机用于空袭目标威胁评估的精度.通过实例仿真与标准支持向量机方法进行比较,说明了该方法的有效性和优越性.     

基于EMD和二叉树支持向量机的调制识别算法

针对数字调制模式识别问题,提出了一种基于经验模式分解(EMD)和二叉树支持向量机的识别算法。该算法通过对数字信号进行经验模式分解,利用分解得到的本征模式函数构造分类特征,再运用二叉树支持向量机作为分类器实现了6种信号的分类。仿真结果表明,该算法具有很好的识别性能。     

空袭兵器的模糊识别法

在分析空袭兵器类型区分不足的基础上,运用模糊识别理论,探索空袭兵器的模糊识别方法。提取空袭兵器特征指标,建立标准模型库,构造了隶属函数,构建空袭兵器的模糊识别模型。结合实例,验证该方法简便有效,可为防空部队射击指挥员提供可靠的辅助决策依据。     

面向人不在环装备作战仿真的目标威胁等级智能识别方法研究

针对目标威胁等级识别研究现状及存在问题,以目标威胁评估结果及目标威胁等级识别方法为基础,引入支持向量机技术,对目标威胁等级进行了智能识别,解决了传统目标威胁等级识别方法中存在的问题。     

粗糙集和FSVM结合的雷达信号识别法

结合粗糙集的属性约简和支持向量机的分类机理,研究了一种混合算法,即应用粗糙集的属性约简过程作为预处理器,可以把冗余的属性及值和冲突的对象从决策表中删去,但不损失任何有效信息;由于传统支持向量机在多分类问题时出现的不可分区域现象,使用了模糊支持向量机进行后面的分类建模和预测,使得训练时间大大缩短和分类性能显著提高。将这种混合方法应用到雷达信号识别中,仿真实验证明该方法是有效的。     

基于概率神经网络模型的空袭目标识别方法

为了准确、迅速识别空袭目标类型,建立基于概率神经网络(PNN)的空袭目标识别模型。该模型降低了以往空袭目标识别方法中的人为因素,并提高目标识别结果的可信度、快速性和稳定性。最后通过实例验证,证明该模型的有效性和正确性。