由于在利用原有方法進(jìn)行SAR圖像艦船檢測數(shù)據(jù)挖掘時(shí),受噪聲較大的影響而無法進(jìn)行艦船檢測數(shù)據(jù)特征提取,在觀測距離為500～1 300 m的范圍內(nèi),存在特征提取率較低的問題,因此提出一種大數(shù)據(jù)分析下的SAR圖像艦船檢測數(shù)據(jù)挖掘方法�；诖髷�(shù)據(jù)分析,通過5個(gè)步驟對SAR圖像數(shù)據(jù)實(shí)施規(guī)范化處理,包括分析SAR圖像數(shù)據(jù)、對工作流與轉(zhuǎn)換規(guī)則進(jìn)行定義、驗(yàn)證SAR圖像數(shù)據(jù)、規(guī)范化處理執(zhí)行以及回流干凈數(shù)據(jù)。通過經(jīng)驗(yàn)?zāi)B(tài)分解法實(shí)施艦船檢測數(shù)據(jù)特征提取。通過LIBSVM開發(fā)包構(gòu)建支持向量機(jī)數(shù)據(jù)挖掘模型,實(shí)現(xiàn)SAR圖像艦船檢測數(shù)據(jù)挖掘。為證明該方法的特征提取率更高,在觀測距離為500～1 300 m的范圍內(nèi)進(jìn)行該方法與原有方法的對比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明該方法的特征提取率高于其他方法,實(shí)現(xiàn)了挖掘性能的提升。 

【文章頁數(shù)】：3 頁

【部分圖文】：

艦船目標(biāo)示意圖Fig.1Schematicdiagramofshiptarget

特征提取率實(shí)驗(yàn)數(shù)據(jù)Fig.2Experimentaldataoffeatureextractionrate

特征提取率實(shí)驗(yàn)數(shù)據(jù)Fig.3Experimentaldataoffeatureextractionrate

【參考文獻(xiàn)】：
期刊論文
[1]帶鑒別分析的多視角SAR圖像聯(lián)合決策及目標(biāo)識別[J]. 蔡德饒,宋愈珍.  中國電子科學(xué)研究院學(xué)報(bào). 2019(01)
[2]大數(shù)據(jù)定將改變地質(zhì)——向讀者推薦《地球科學(xué)大數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》[J]. 翟明國.  礦物巖石地球化學(xué)通報(bào). 2018(06)
[3]基于社交大數(shù)據(jù)挖掘的城市災(zāi)害分析——紐約市桑迪颶風(fēng)的案例[J]. 王森,肖渝,黃群英,張純.  國際城市規(guī)劃. 2018(04)
[4]基于頻譜殘差視覺顯著計(jì)算的高分辨SAR圖像艦船檢測算法[J]. 熊偉,徐永力,姚力波,崔亞奇,李岳峰.  電光與控制. 2018(04)



本文編號：3656241