基于粗集的SVM算法在空袭目标识别中的应用

在现代防空作战中,如何快速准确对敌我目标进行识别,至关重要。本文结合粗糙集和支持向量机算法建立了基于粗糙集的SVM增量学习模型,提出了基于快速求核和集合近似质量的粗糙集属性约简算法,改进了SVM增量学习算法。试验结果表明,算法正确有效,模型符合现代防空作战中对目标识别的要求。     

基于支持向量机的无线电引信抗扫频式干扰研究

扫频式干扰对无线电引信威胁很大,为此研究了支持向量机方法在无线电引信抗扫频式干扰中应用的可行性。以连续波多普勒无线电引信为例,从理论上分析扫频干扰信号作用下引信检波输出信号的频谱特征。提出一种基于傅里叶频谱的特征参量提取方法,并利用支持向量机对干扰信号与目标信号进行分类识别。识别实验结果表明,该方法可以获得很高的分类识别正确率,能够有效提高连续波多普勒无线电引信的抗扫频式干扰能力,将支持向量机应用于无线电引信抗干扰可以获得很好的效果。     

基于支持向量机的雷达弹道外推方法研究

支持向量机是一种求解回归预测问题的优秀决策方法，具有坚实的理论基础和优秀的预测性能．为解决目前雷达弹道外推中存在的外推准确率不高和不能有效地进行弹道识别等问题，用基于支持向量机的方法对雷达探测弹道进行了外推研究，并通过仿真弹道模拟雷达采样进行了仿真实验，仿真实验结果表明：基于支持向量机的雷达弹道外推方法实用可行，可以获得较高的外推精度，并且能够有效地进行弹道识别．     

地面低速目标与背景模式分类和识别方法研究

识别地面低速目标是无线电近炸引信信号处理研究的难点之一。研究了基于连续波多普勒体制无线电近炸引信的地面低速目标与地面背景的分类问题。在分析目标与背景时域与频域特性的基础上，利用线性分类器和支持向量机进行分类识别实验，结果表明所提出的方法是可行的。     

基于多目标蚁群优化的单类支持向量机相似重复记录检测

为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。     

基于熵特征的调频引信目标与干扰信号识别

针对调频引信较难抑制的调幅扫频类干扰,提出了一种基于熵特征的目标与干扰信号分类识别方法。比较目标和干扰信号作用下引信检波信号时域和频域特征,提取检波信号的香农熵和奇异谱熵,通过Kruskal-Wallis检验方法验证了特征参量的有效性,并利用支持向量机分类器对目标信号和干扰信号进行了分类识别。仿真实验结果表明：在支持向量机核函数参数最优时,该方法的分类识别正确率达到98.954%,有效提高了调频引信的抗扫频式干扰能力。     

基于泽尔尼克矩的红外扫描引信图像识别算法

针对目前红外扫描成像引信在目标识别过程中处理时间慢、对图像尺度和旋转变换敏感的问题,提出了基于泽尔尼克矩和支持向量机的红外扫描图像识别算法。该算法利用不变矩重构了引信探测装置所扫描到的红外图像,求得图像的各阶泽尔尼克矩来构成描述扫描红外图像的特征因子m,最后利用支持向量机对目标与相似物进行分类,实现对目标的识别。仿真验证表明,基于泽尔尼克矩的图像识别算法能够较快实现目标特征的提取和识别,对低分辨率图像也有较好的处理效果,适用于扫描式引信探测系统的简易成像处理和目标识别。     

粗集理论在神经网络模式识别中的应用

基于粗糙集理论在神经网络模式识别中,利用粗糙集将采集的原始数据作为学习样本,量化样本属性值,组织决策表,将样本的条件和决策属性建为二维表并约简条件属性,仅保留影响分类的重要属性.将决策规则中必要条件属性神经网络化,通过粗糙集和神经网络并行学习实现最小决策规则,直到由最少属性构成的决策规则网络能正确划分所有测试集样本为止.     

基于核函数支持向量机的雷达辐射源识别

文中针对雷达辐射源信号环境复杂导致的正确识别率较低的问题,提出了基于支持向量机理论的雷达辐射源识别方法,并构建了基于多种核函数支持向量机的雷达辐射源分类器。通过在不同噪声环境下进行仿真实验,证明了支持向量机理论在雷达辐射源识别中的有效性,并比较了多种核函数支持向量机的识别效果。     

基于RS理论的支持向量机分类模型

基于粗糙集(RS)的支持向量机(SVM)分类模型用RS预处理原始样本数据,通过属性和对象的约简消除输入样本数据冗余条件和样本,简化样本数据空间维数.预处理后数据作为样本数据训练SVM,其模型采用模糊离散.用C 编程实现仿真,选用RBF核函数训练SVM,仿真证明该分类模型提高训练速度和分类精度.     

基于离散模板精匹配的人脸识别算法

通过离散多模板算法可实现人脸图像识别的精匹配.先检测人脸图像边缘,并对边缘所有点进行最小平方椭圆拟合.根据嘴部的宽度和高度比例,给定域值,确定嘴部候选区域.然后运用训练过的支持向量机(SVM)分类器验证嘴部区域并进行嘴角定位.再采用离散多模板方法对嘴部进行匹配识别.在自建库和ORL库上试验表明,在验证率为91.2%、95.3%情况下,该方法可获得92%、97%的识别准确率.     

基于蚁群特征选择的相似重复记录分类检测

为实现相似重复记录的检测,提出一种基于蚁群算法特征选择的分类检测方法。将相似重复记录检测看成二分类问题,定义了字符串型、枚举型和日期型3种典型属性类型的相似特征和归一化算法,以两记录的相似特征向量作为分类器的输入进行检测;建立了以召回率、准确率和特征规模综合最优的特征选择多目标优化模型,并根据问题特点将多目标模型转化为单目标模型,应用蚁群算法设计了模型求解算法。最后,用欧氏距离分类法和支持向量机2种分类器验证了该方法的有效性。     

基于伪Zernike矩的羽毛缺陷几何特征提取及识别

针对拍照角度影响羽毛缺陷识别精度的问题,将不变矩的思想引入到羽毛缺陷识别领域。提出利用伪Zernike矩描述羽毛缺陷的几何特征,用支持向量机（SVM）进行分类识别的方法。模拟实验表明算法能够较好地容忍图像平移、旋转和尺度变化,具有识别速度快、识别精度高的特点,并且算法对噪声、光线变化适应性好。     

基于粗糙集和熵权以及改进支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集(RS)、熵权(EW)法、自适应粒子群优化(APSO)算法与加权最小二乘支持向量机(WLS-SVM)的组合预测模型应用于导弹备件消耗预测的构想。阐述了粗糙集、信息熵、自适应粒子群优化算法和WLS-SVM的基本原理,并改进了APSO的搜索方式和最小二乘支持向量机(LS-SVM)的加权方法;建立了基于RS、EW法和自适应粒子群优化WLS-SVM的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

基于边界链码的飞机目标检测方法

为有效区分天空背景下飞机目标的边界信息与纹理带入的噪声信息,完成飞机目标检测任务,对基于边界链码的飞机目标检测方法进行研究.分析作为典型人造刚体的飞机目标所具有的特性,利用Canny算法对图像进行边缘检测后,引入边界链码对获取的边缘进行建模;利用形态学修复对边缘的裂缝进行连接,通过滤除短边、验证封闭性及剪枝对边缘进行初步筛选与处理;提取边缘的直线段分量及角度跳变分量特征,构造并训练基于支持向量机的分类器,完成视频序列中边缘的分类,最终获取飞机目标的确切边缘.试验结果表明:该方法在确保分类器训练集大小的情况下,能够有效获取飞机目标的精确边缘,目标检测准确率达到96％,具有较高的工程应用价值.     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

利用改进单分类支持向量机提升舰船尾流目标的检测准确率

舰船在航行过程中会在尾部产生一段包含大量气泡的湍流区域,通过对尾流的声学检测可以有效地跟踪船舶。基于一种改进单分类支持向量机（OCSVM）算法,利用无尾流情况下回波信号作为训练集的一个最优分类器,用于尾流回波信号模式判断。对回波信号进行降噪处理,进而提出一种自适应特征提取方法对回波信号进行处理;将特征提取作为输入,使用两层决策边界的双阈值OCSVM算法进行尾流检测。仿真结果表明,与常规OCSVM算法相比,改进算法在不同信噪比下的检测准确率均有提升,检测准确率最高可达96.27%,具有较好的工程应用价值。