【摘要】：基于不同分類(lèi)器對(duì)同一樣本分類(lèi)能力不同,同一分類(lèi)器對(duì)不同樣本可分程度不同的思想,為不同樣本賦予不同融合權(quán)重,提出了一種基于熵的自適應(yīng)加權(quán)投票高分辨距離像(high range resolution profile,HRRP)融合識(shí)別方法。該方法將二分類(lèi)相關(guān)向量機(jī)(relevance vector machine,RVM)擴(kuò)展為多類(lèi)分類(lèi)RVM概率模型,并對(duì)不同HRRP特征樣本進(jìn)行分類(lèi),利用每個(gè)多類(lèi)分類(lèi)RVM輸出的樣本后驗(yàn)概率信息計(jì)算出的熵值自適應(yīng)為各個(gè)樣本賦予權(quán)重,使得不同分類(lèi)器以及同一分類(lèi)器對(duì)不同樣本的決策占有不同的比重,熵值越大的樣本賦予的融合權(quán)重越低,最后通過(guò)加權(quán)投票方法實(shí)現(xiàn)融合識(shí)別,得到目標(biāo)的最終識(shí)別結(jié)果。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的有效性。
[Abstract]:Based on the idea that different classifiers have different ability to classify the same sample and the same classifier can divide different samples into different degrees, it gives different fusion weights to different samples. An adaptive weighted voting high resolution range profile (high range resolution profile,HRRP) fusion recognition method based on entropy is proposed. In this method, the two-class correlation vector machine (relevance vector machine,RVM) is extended to the multi-class classification RVM probability model, and the different HRRP feature samples are classified. The entropy calculated by using the sample posteriori probability information from each multi-class classification RVM adaptively gives weight to each sample, which makes different classifiers and the same classifier have different weight to the decision of different samples. The larger the entropy is, the lower the fusion weight is. Finally, the fusion recognition is realized by weighted voting method, and the final recognition result is obtained. Simulation results show that the proposed method is effective.
【作者單位】： 空軍工程大學(xué)防空反導(dǎo)學(xué)院;中國(guó)人民解放軍69026部隊(duì);
【基金】：國(guó)家自然科學(xué)基金(60975026,61503407)資助課題
【分類(lèi)號(hào)】：TP301.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柏仲干;周豐;王國(guó)玉;汪連棟;;彈道中段目標(biāo)的融合識(shí)別[J];系統(tǒng)工程與電子技術(shù);2006年09期

2 郭小賓,王壯,胡衛(wèi)東;基于貝葉斯網(wǎng)絡(luò)的目標(biāo)融合識(shí)別方法研究[J];系統(tǒng)仿真學(xué)報(bào);2005年11期

3 邱亞丹;敬忠良;陳雪榮;肖剛;;基于決策級(jí)的多源人臉融合識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2006年27期

4 周濤;陸惠玲;陳志強(qiáng);馬竟先;;多模態(tài)醫(yī)學(xué)影像融合識(shí)別技術(shù)研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2013年05期

5 詹永照;張娟;毛啟容;;基于可分度和支持度的模糊密度賦值融合識(shí)別算法[J];模式識(shí)別與人工智能;2012年02期

6 孫曉海;紀(jì)錄平;;一種五指指紋融合識(shí)別方法[J];福建電腦;2009年04期

7 李俊武;俞志富;;一種基于支持度的抗干擾融合識(shí)別方法[J];電子信息對(duì)抗技術(shù);2013年03期

8 魏曉明;王明皓;;支持向量機(jī)在目標(biāo)融合識(shí)別中的應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2011年S1期

9 肖旭光;肖剛;敬忠良;;空間目標(biāo)融合識(shí)別算法及實(shí)驗(yàn)研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年08期

10 朱萌;劉長(zhǎng)松;陳御天;鄒燕明;;手寫(xiě)漢語(yǔ)拼音的融合識(shí)別系統(tǒng)[J];計(jì)算機(jī)工程;2010年07期

相關(guān)會(huì)議論文 前3條

1 廖海斌;王宏勇;;基于灰色理論的人臉圖像特征融合識(shí)別[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

2 秦思嫻;馬建文;王皓玉;王瑞瑞;;特種目標(biāo)遙感信息融合識(shí)別技術(shù)[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

3 夏鴻寶;方世良;;水聲目標(biāo)的多陣、多信息融合識(shí)別框架研究[A];中國(guó)聲學(xué)學(xué)會(huì)2006年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前2條

1 劉典婷;紅外與可見(jiàn)光人臉圖像的融合識(shí)別算法研究[D];大連理工大學(xué);2009年

2 李秀艷;多生物特征身份識(shí)別方法研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前4條

1 吳東婭;基于衛(wèi)星星座的融合識(shí)別與傳感器管理關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 洪笛;人臉和虹膜特征層融合識(shí)別的研究[D];吉林大學(xué);2010年

3 吳博;基于張量CCA的近紅外與可見(jiàn)光人臉融合識(shí)別算法[D];吉林大學(xué);2013年

4 洪昭藝;基于DS證據(jù)理論的空間目標(biāo)融合識(shí)別方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2009年

，

本文編號(hào)：2221952