龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：电子科技大学
申请日：2022-05-20
公开（公告）日：2024-04-16
公开（公告）号：CN114970706B
主分类号：G06V10/764
分类号：G06V10/764;G06V10/80
优先权：
专利状态码：有效-授权
法律状态：2024.04.16#授权;2022.09.16#实质审查的生效;2022.08.30#公开
摘要：本发明属于目标识别技术领域，具体涉及一种真假目标一维距离像多特征非线性融合分类识别方法。本发明的方法首先从一维距离像中提取长度特征、相邻散射中心分布特征及主分量模式特征，然后，利用多个混合核函数形成一个非线性特征融合器对以上三类特征进行融合，实现目标的分类识别，由于通过特征融合使多个特征在信息域进行了互补，同时，非线性融合方法的引入，也一定程度解决了一维距离像数据分布出现的非线性问题，从而改善了对目标的识别性能。对四类仿真目标的一维距离像数据进行了仿真实验，实验结果验证了该方法的有效性。
主权项：1.一种真假目标一维距离像多特征非线性融合分类识别方法，其特征在于，包括以下步骤：S1、定义n维列矢量xij为第i类真假目标的第j个训练一维距离像,1≤i≤g，1≤j≤Ni，其中Ni为第i类真假目标的训练样本数，N为训练样本总数；S2、从一维距离像xij中提取散射中心的位置组成矢量pij： 其中，pijl为xij中第l个散射中心的位置，mij为xij中散射中心的个数，其长度特征Lij为： 相邻散射中心位置特征分布特征hij由下式计算： S3、采用主分量分析，获取主分量分析投影矩阵A，将一维距离像xij向矩阵A投影得到模式特征yij 其中是训练样本的总平均矢量；S4、对输入的一维距离像xt，其中t表示一维距离像是任意的，按照步骤S2和S3的方法获得长度特征Lt、相邻散射中心分布特征ht，模式特征yt；计算如下决策量zi： 其中kr·,·为核函数，是权系数，r＝1,2,…M，M为核函数的个数，由以下优化方程确定权系数wr： 其中，w＝[w1w2…wM]T，β是因优化引入的中间矢量，s是与β等长的列矢量，由实验确定，C是一个实验确定的系数；权系数矢量w确定后，代入决策量zi计算公式得到决策统计量zi，对xt的分类判别方法为： 其中k是指第k类。
全文数据：
权利要求：
百度查询： 电子科技大学 一种真假目标一维距离像多特征非线性融合分类识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号