随着无人机技术的发展,低慢小航空器在多个领域的应用带来了不容忽视的安全风险.为了有效监控和防范这些航空器,需要对雷达系统监测到的目标进行粗分类,即快速将目标分为几个主要类别,以便进一步精细化识别高威胁度目标.传统的目标粗分类方法,如基于规则和基于特征提取的方法,存在规则难定义和特征选择主观性强等局限性.文章探讨了机器学习在低慢小雷达目标粗分类中的应用,基于实测数据综合比较了决策树、核Fisher判别分析、支持向量机、提升树和深度神经网络的性能,结果显示支持向量机在包含异常点的小样本数据上表现最佳.
NETL
NSTL
万方数据
