教育部科学技术研究重点项目(105150)
- 作品数：3 被引量：2H指数：1
- 相关作者：刘本永孟庆宇姚宏达冯笑笑更多>>
- 相关机构：电子科技大学更多>>
- 发文基金：教育部科学技术研究重点项目国防科技重点实验室基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 宽带极化雷达目标的互易性修正及识别
- 2007年
- 针对雷达目标的互易性修正问题,利用机器学习理论,提出一种基于非线性表示子的极化雷达目标互易性修正方法。尝试将Krogager和Cameron目标分解方法用于宽带极化雷达目标的识别,分别基于这两种目标分解方法对宽带极化雷达目标进行特征提取,在Krogager分解中使用核非线性分类器和分类器融合方法对特征矢量进行分类,在Cameron分解中使用投票判决方法对特征矢量进行分类。仿真结果表明,所讨论的方法有较好的性能。
- 孟庆宇刘本永
- 基于分数本征特征的手写数字识别被引量：2
- 2006年
- 特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。
- 孟庆宇刘本永姚宏达
- 关键词：分数傅里叶变换主元分析特征提取手写数字识别
- 基于高阶相关的稀疏化和径向基核分类法
- 2007年
- 非平稳信号处理理论中高阶统计量方法被广泛应用于模式识别以提取稳健特征,但算法本身需要解决计算量大的问题,加上训练样本具有冗余性,因而限制了模式特征提取和分类速度。该文将计算高阶统计量转化为求相关系数,研究高阶相关在样本稀疏化以及基于径向基核的非线性分类方面的应用。首先采用最大匹配系数法确定相关阶数,然后对训练样本稀疏化,最后将高阶相关应用于SVM、KNR两种核非线性分类器进行分类识别,避免了高阶统计量的直接计算,减少了训练和分类时间。对手写数字和8种飞机的仿真数据进行实验,结果表明该方法具有较好的稀疏效果和识别效果。
- 冯笑笑刘本永
- 关键词：模式识别稀疏化
