共查询到13条相似文献,搜索用时 125 毫秒
1.
2.
3.
4.
针对自动目标识别(ATR)系统评估的迫切需求和特点,提出了一种区间评估分值模型,借助多属性决策分析理论构建了适用于ATR系统的评估模式,并给出了两个具体的区间分值评估算法.基数区间分值评估算法基于价值理论,通过确定评估对象属性的价值函数并加权形成基数区间评分值,定量评价ATR系统满足决策者主观价值需求的程度;序数区间分值评估算法基于TOPSIS法思想,通过计算评估对象与理想点和负理想点的距离差距,综合生成序数区间评分值,定量指示各个ATR系统距离理想系统的相对差距程度.运用所提出的两种评估算法对6个空地ATR系统进行了实例操作,评估结果表明所提模型及算法合理、直观. 相似文献
5.
红外目标自动识别(ATR)算法性能评估的方法研究 总被引:2,自引:1,他引:2
本文对红外自动目标识别(ATR)算法性能评估的发展进行了系统的梳理,介绍了ATR算法性能评估过程中必不可少的工作条件限制以及性能指标的选取,并总结了目前ATR算法性能评估中经常采用的几种方法。 相似文献
6.
ATR算法评估领域常用的评估指标为正确识别率ACC,但ACC自身存在诸多缺陷,仅用ACC指标评估结论具有一定的盲目性和误导性.基于ROC曲线的性能评估指标AUC反映了识别算法在多门限下的整体性能,克服了ACC指标的缺陷.在概述ACC及AUC各自含义和性质的基础上,全面揭示了二者之间内在的联系,AUC值固定时,加权和非加权ACC均值与AUC间存在线性关系;另一方面在ACC固定的情况下,若PTP巳知,ACC、AUCmax和 AUC min之间也存在线性关系,最后阐释了AUC的优越性. 相似文献
7.
基于ROC曲线的目标识别性能评估方法 总被引:4,自引:0,他引:4
在自动目标识别(ATR)领域,评估目标识别算法性能的指标常用的有分类准确度、精确度、检测概率、混淆矩阵等,但这些指标都存在固有的局限性,对类别先验概率不具有稳健性。近几年来采用的基于雷达接收机工作特性曲线即ROC曲线的评估方法得到的评估结论不敏感于类别先验概率,从根本上克服了以上指标的缺陷。同时,该评估方法可以在错误分类代价未知的情况下进行,并能对识别算法进行多门限评估,因而在分类器识别算法性能评估中得到了广泛应用。文中首先叙述了ROC曲线和ROC曲线建立的方法,然后详细论述了基于ROC曲线的评估方法中常用的性能评估指标。 相似文献
8.
9.
10.
11.
12.