《基于支持向量机的未知雷达用途识别技术》PDF+DOC
作者:张蔚,潘宜霞
单位:中国电子科技集团公司第29研究所;电子信息控制重点实验室
出版:《电子信息对抗技术》2017年第03期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFDZDK2017030040
DOC编号:DOCDZDK2017030049
下载格式:PDF + Word/doc 文字可复制、可编辑
《管道漏磁检测信号的支持向量机识别方法》PDF+DOC2010年第27期 杨海英,戴光,李伟,尚福华
《基于支持向量机分类模型的奶牛行为识别方法》PDF+DOC2019年第S1期 任晓惠,刘刚,张淼,司永胜,张馨月,马丽
《基于支持向量机的格斗评估算法研究》PDF+DOC2018年第10期 陈泽嘉,曾培峰
《基于支持向量机的多传感器信息融合算法》PDF+DOC2006年第06期 陶秀凤,周鸣争
《基于核函数的雷达一维距离像目标识别》PDF+DOC2005年第03期 孟继成,杨万麟
《传感器非线性校正的遗传支持向量机方法》PDF+DOC2011年第01期 刘涛,王华
《多核SVM对传感器动态建模的研究》PDF+DOC2013年第01期 吴延增,张政国,刘旭宁
《压电谐振式结冰传感器的结冰试验和数据处理》PDF+DOC2011年第02期 郑燕,郑英,张杰,叶林,张洪
《小波和多核SVM方法在UVA传感器故障诊断的应用》PDF+DOC2014年第01期 叶慧,罗秋凤,李勇
《基于QGA-SVM的铠装热电偶传感器辨识建模研究》PDF+DOC2014年第02期 吴朋,林涛
雷达用途识别是雷达目标威胁评估的重要方面。在简要阐述支持向量机(SVM)基本原理的基础上,系统地论述了基于优化惩罚因子C参数的支持向量机算法和交叉验证法相结合的未知雷达用途识别方法。在训练集中,该方法能自动优化出(寻找最佳)支持向量机的核函数参数γ和惩罚因子C,利用优化的参数对训练集进行训练,可得到最佳的支持向量机模型,并用该模型对测试集进行分类,从而对未知雷达用途进行识别。识别实例表明,该方法识别结果令人满意,使基于常规分类方法可能存在的无法识别或误识别等现象得到了明显的改善。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。