本文關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：雷達(dá)誕生之日起，科學(xué)家們就在不斷的研究雷達(dá)目標(biāo)識(shí)別技術(shù)，由最開(kāi)始的人工識(shí)別，到現(xiàn)在的智能算法識(shí)別，這也代表了雷達(dá)目標(biāo)識(shí)別技術(shù)的發(fā)展方向——智能化。人工神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的重要領(lǐng)域，具有諸多優(yōu)點(diǎn)：具有較強(qiáng)的容錯(cuò)性；可以有很強(qiáng)的適應(yīng)能力；并且可以大規(guī)模并行處理。將其應(yīng)用到雷達(dá)目標(biāo)識(shí)別中，并提出新的算法具有重要意義。 本文重點(diǎn)研究了支持向量機(jī)和自組織特征映射神經(jīng)網(wǎng)絡(luò)在雷達(dá)目標(biāo)識(shí)別技術(shù)中的應(yīng)用。 首先，，本文介紹了具體需要解決的雷達(dá)目標(biāo)識(shí)別問(wèn)題，本章通過(guò)選取閾值，消除孤立點(diǎn)，去除不合理的聚集點(diǎn)等一系列方法找到目標(biāo)的準(zhǔn)確位置。 其次，本文重點(diǎn)介紹了支持向量機(jī)的原理及其推導(dǎo)過(guò)程。隨后，分析了支持向量機(jī)的參數(shù)尋優(yōu)方法：交叉驗(yàn)證方法和粒子群算法。本文還定義了四個(gè)用于檢驗(yàn)雷達(dá)目標(biāo)識(shí)別效果的指標(biāo)。最后將支持向量機(jī)應(yīng)用到雷達(dá)目標(biāo)識(shí)別中，通過(guò)比較兩種參數(shù)尋優(yōu)方法，證明支持向量機(jī)在雷達(dá)目標(biāo)識(shí)別中可以取得很好的效果。 最后，將自組織特征映射神經(jīng)網(wǎng)絡(luò)引入到雷達(dá)目標(biāo)識(shí)別中，在研究了它的結(jié)構(gòu)、原理和訓(xùn)練過(guò)程后，用多組實(shí)驗(yàn)數(shù)據(jù)對(duì)其在雷達(dá)目標(biāo)識(shí)別中的性能進(jìn)行測(cè)試，取得了非常好的效果。隨后，將自組織特征映射神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種算法組合起來(lái)，既解決了支持向量機(jī)受目標(biāo)點(diǎn)影響大的缺點(diǎn)，同時(shí)也縮短了自組織特征映射神經(jīng)網(wǎng)絡(luò)運(yùn)行計(jì)算時(shí)間。
【關(guān)鍵詞】：雷達(dá) SVM SOM 粒子群算法 交叉驗(yàn)證
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN957.52
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-15
• 1.1 雷達(dá)目標(biāo)識(shí)別概述8-9
• 1.2 雷達(dá)目標(biāo)識(shí)別研究現(xiàn)狀與發(fā)展趨勢(shì)9-11
• 1.3 神經(jīng)網(wǎng)絡(luò)概述11-13
• 1.4 本文的主要工作13-15
• 第二章 統(tǒng)計(jì)方法在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用15-21
• 2.1 雷達(dá)目標(biāo)識(shí)別問(wèn)題描述15
• 2.2 利用統(tǒng)計(jì)方法分析雷達(dá)目標(biāo)識(shí)別問(wèn)題15-19
• 2.3 總結(jié)19-21
• 第三章 支持向量機(jī)在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用21-33
• 3.1 支持向量機(jī)原理21-27
• 3.1.1 分類樣本線性可分21-25
• 3.1.2 分類樣本線性不可分25-27
• 3.2 參數(shù)尋優(yōu)27-29
• 3.2.1 CV 方法27
• 3.2.2 PSO 算法27-29
• 3.3 評(píng)價(jià)指標(biāo)29-30
• 3.4 實(shí)驗(yàn)結(jié)果30-32
• 3.4.1 訓(xùn)練過(guò)程30-31
• 3.4.2 預(yù)測(cè)過(guò)程31-32
• 3.5 小結(jié)32-33
• 第四章 自組織特征映射網(wǎng)絡(luò)在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用33-41
• 4.1 自組織特征映射網(wǎng)絡(luò)概述33
• 4.2 自組織特征映射網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練過(guò)程33-36
• 4.3 SOM 算法36-37
• 4.4 實(shí)驗(yàn)結(jié)果37-38
• 4.5 SVM 和 SOM 相結(jié)合38-40
• 4.6 小結(jié)40-41
• 第五章 總結(jié)與展望41-42
• 5.1 本文的主要工作41
• 5.2 本文展望41-42
• 參考文獻(xiàn)42-46
• 讀碩士學(xué)位期間發(fā)表的論文46-47
• 致謝47-48

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 鄭小亮;張偉;汪學(xué)剛;;一種一維距離像的識(shí)別算法[J];電訊技術(shù);2007年01期

2 李智勇;吳晶瑩;吳為麟;宋保明;;基于自組織映射神經(jīng)網(wǎng)絡(luò)的電力用戶負(fù)荷曲線聚類[J];電力系統(tǒng)自動(dòng)化;2008年15期

3 陳燕玲;;一種基于濾波特征和不變矩的混合指紋識(shí)別算法[J];桂林電子科技大學(xué)學(xué)報(bào);2010年01期

4 范嫦娥;李德華;;基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的路面使用性能評(píng)價(jià)方法[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

5 儲(chǔ)理才;基于最優(yōu)超平面方法的乳房腫瘤分類模型[J];集美大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

6 孫文峰;雷達(dá)目標(biāo)識(shí)別技術(shù)述評(píng)[J];雷達(dá)與對(duì)抗;2001年03期

7 吳曉萍;趙學(xué)靖;喬輝;劉東梅;王志;;基于LASSO-SVM的軟件缺陷預(yù)測(cè)模型研究[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

8 李廷軍,姜文利,王新政,陳貽煥;發(fā)展中的雷達(dá)目標(biāo)識(shí)別[J];現(xiàn)代雷達(dá);2000年06期

9 張靜,宋銳,郁文賢;雷達(dá)目標(biāo)識(shí)別中的BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)及應(yīng)用[J];系統(tǒng)工程與電子技術(shù);2005年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 柴晶;雷達(dá)高分辨距離像目標(biāo)識(shí)別的拒判算法和特征提取技術(shù)研究[D];西安電子科技大學(xué);2010年

  本文關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)在雷達(dá)目標(biāo)識(shí)別中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：369182