针对雷达/红外双模复合导引头的目标识别问题,提出一种基于多核核函数的含负类支持向量数据描述(negative support vector data description,NSVDD)识别方法。首先对疑似目标的雷达一维距离像和红外图像进行特征提取,获得目标的雷达和...针对雷达/红外双模复合导引头的目标识别问题,提出一种基于多核核函数的含负类支持向量数据描述(negative support vector data description,NSVDD)识别方法。首先对疑似目标的雷达一维距离像和红外图像进行特征提取,获得目标的雷达和红外特征,并采用典型相关分析获得双模融合特征,再利用多核NSVDD方法实现目标识别。通过采用多核核函数代替传统的单核核函数实现特征空间映射,获得更为准确的NSVDD模型描述边界。仿真结果表明:该算法应用于坦克、雷达车和民用车辆的识别,目标识别准确率相对于传统NSVDD方法提升了10%左右。展开更多
文摘针对雷达/红外双模复合导引头的目标识别问题,提出一种基于多核核函数的含负类支持向量数据描述(negative support vector data description,NSVDD)识别方法。首先对疑似目标的雷达一维距离像和红外图像进行特征提取,获得目标的雷达和红外特征,并采用典型相关分析获得双模融合特征,再利用多核NSVDD方法实现目标识别。通过采用多核核函数代替传统的单核核函数实现特征空间映射,获得更为准确的NSVDD模型描述边界。仿真结果表明:该算法应用于坦克、雷达车和民用车辆的识别,目标识别准确率相对于传统NSVDD方法提升了10%左右。