一种快速有效处理数据集分类问题的新算法

经典的分类算法对小型数据集分类是非常有效的,但当面对超大型数据集时往往失去了分类能力。在平均值和方差以及新定义的权这三个度量的基础上提出了一种快速有效处理超大型数据集分类问题的新算法—核心向量算法,简称CV算法。试验结果表明,该方法对超大型数据集分类是比较有效的。

基于轮廓波降噪的ISAR目标轮廓特征提取方法

空中目标的逆合成孔经雷达(inverse synthetic aperture radar,ISAR)成像效果往往不理想,干扰杂波、成像算法能力限制等因素使得目标图像质量较差,较难从图像中提取目标的连续轮廓信息。对此,提出一种新的基于轮廓波降噪的处理方法以获得目标连续轮廓特征。首先应用轮廓波变换将复数ISAR图像变换为轮廓波系数,在轮廓波变换域分离信号与噪声并完成降噪处理,接着用优化后的轮廓波系数重建ISAR复图像,然后在实图像域将用形态学方法获得目标的初始轮廓改进为CV(Chan-Vese)模型算法的初始轮廓,最后用CV模型算法进行有限次迭代以获得目标的较优连续轮廓特征。该方法融合了轮廓波降噪技术与自适应CV模型算法,通过对真实yak42型飞机目标ISAR回波数据的试验验证了该方法的有效性和可行性。