基于1类SVM的高分辨雷达真假目标识别

本文将高分辨雷达目标检测问题等效为真假目标识别问题,并针对现有的高分辨雷达目标检测算法的缺陷,借鉴处理异常值问题的思想,首次将1类SVM引入高分辨雷达目标检测之中,为解决高分辨雷达目标检测问题提供了一条崭新的思路。同时针对现有的1类SVM对数据域描述的不足,结合高分辨雷达目标数据分布的特点,提出了一种聚类式的1类SVM模型,通过对训练的正类样本的聚类分组,用多个小的超球来代替原来的1个大的超球,从而更准确的实现了对数据域的描述。最后针对存在多类真目标的情况,提出了对每一类真目标分别进行处理的方法,以满足后续真目标类型识别的需要。雷达实测数据实验结果表明本文算法是有效的。

一种基于数据域描述的图像压缩方法

提出一种基于数据域描述的自适应加权支持向量回归图像压缩算法.先将一幅灰度图像分割成不重叠的方块,每个方块数据经过离散余弦变换得到对应的频率域系数,然后根据样本到高维特征空间最小包含超球球心的距离构建相应的加权函数模型,最后将确立的模型应用到基于加权支持向量回归的图像压缩方案中.实验结果表明,与同类的图像压缩算法相比,该算法在预测性能和压缩效果方面获得较明显提高.