Resumen

Se propone un método de reconocimiento de objetivos por radar de apertura sintética (SAR) que combina la extracción de características lineales y no lineales y clasificadores. El análisis de componentes principales (PCA) y el kernel PCA (KPCA) se utilizan para extraer vectores de características de la imagen SAR original, respectivamente, que son algoritmos de extracción de características clásicos y fiables. Además, el KPCA puede compensar eficazmente la débil capacidad de descripción lineal del PCA. A continuación, se utilizan la máquina de vectores de apoyo (SVM) y la clasificación basada en la representación dispersa del núcleo (KSRC) para clasificar los vectores de características KPCA y PCA, respectivamente. Al igual que la idea de la extracción de características, la KSRC introduce principalmente funciones de kernel para mejorar la capacidad de procesamiento y clasificación de los datos no lineales. Mediante la combinación de características y clasificadores lineales y no lineales, se puede investigar mejor la estructura de datos interna de las imágenes SAR y la correspondencia entre las muestras de prueba y de entrenamiento. En el experimento, se comprueba el rendimiento del método propuesto basándose en el conjunto de datos MSTAR. Los resultados muestran la eficacia y la solidez del método propuesto.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:métodos propuestos, análisis de componentes principales, capacidad de pca, capacidad de descripción lineal, kpca, imagen sar original, radar de apertura sintética, estructura de datos interna, ideas de características, estructura del sar
• Keywords:proposed methods, principal components analysis, ability of pca, linear description ability, kpca, original sar image, synthetic aperture radar, internal data structure, ideas of features, structure of sar