基于增量学习的合成孔径雷达目标识别算法

传统的合成孔径雷达(SAR)目标识别往往采用批量学习的方法,但是在现实应用中,系统的训练数据并不能一次性全部获得,当有新的训练样本到来时,采用批量学习方法需要重新训练整个系统。为解决这个问题,将增量学习算法——正则在线序贯式极限学习机(ROSELM)应用到SAR目标识别中,并且采用粒子群算法优化ROSELM的初始权值以提高其稳定性和识别率。实验结果表明,该算法在新的SAR目标样本获得时只需要通过更新输出权值即可完成系统的更新,无需重新训练,且速度极快、识别率高,可以作为SAR目标识别系统在线更新的良好选择。