首页|基于FLAKNN的雷达一维距离像目标识别

基于FLAKNN的雷达一维距离像目标识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于传统KNN算法在应用于高分辨一维距离像进行目标识别时,存在全局使用固定k值和未考虑各特征分量对分类的影响等不足,使得目标识别性能较差.提出一种改进的KNN算法:FLAKNN.通过提取目标高分辨率一维距离像的尺寸、熵、中心距、不规则度、去尺度特征、对称度等稳定特征,使用Fisher判别分析将所有特征分量投影至低维空间,使不同类别间具备最大可分性;结合相邻样本局部的分布情况和k取值的调整,最终使用少数服从多数的投票原则决定测试样本的类别.结果表明,相对传统KNN算法,该算法进一步提升了识别性能.
Radar Range Profile Target Recognition Based on FLAKNN

韩磊、周帅

展开 >

北京理工大学机电学院,北京 100081

KNN Fisher判别分析 局部分析 目标识别 一维距离像

国家部委基础科研资助项目

JCKY2017602C017

2021

10.15918/j.tbit1001-0645.2020.181

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(6)
  • 4
  • 5