基于GF空间多项式核函数的分类研究

在基于核方法的分类问题中,核函数及其参数选择皆对分类结果具有重要影响,通常基于经验选择核函数或基于多核优化方法确定核函数的权系数。针对GF空间的多项式核函数,在范数限定条件下利用多核学习方法优化多项式权系数,实现多项式核函数的优化。实验结果表明,算法优化得到的多项式核函数其分类性能优于常用的单核函数,与多核方法相当,并在分类中取得良好的效果。

基于Volterra自适应滤波的运动目标检测

针对视频运动目标检测问题,该文提出了一种基于Volterra自适应滤波的视频运动目标检测方法。该方法引入二阶非线性多项式模型,利用Volterra自适应滤波器训练模型系数,并通过Volterra滤波器实现视频运动检测的非线性处理,最终实现运动目标和背景的阈值判决分割。实验结果表明,所提出的方法能有效进行视频运动目标检测。

基于图割的雷达微弱目标检测

低信噪比、强机动条件下的雷达目标检测是目前的研究难点和热点。提出了一种基于图割的雷达目标全局优化检测方法。首先对距离-多普勒信号进行空域积累,形成一定的目标图像序列;然后对背景和目标建模,在最大后验概率准则下,采用图割算法对目标图像序列进行全局优化检测,获取雷达目标图像序列;最后利用卡尔曼滤波器预测目标图像特征,完成目标模型的更新。仿真结果表明,在低信噪比、强机动条件下,能够有效地实现对雷达微弱目标的检测。