基于支持向量机的空中目标识别技术研究

论文摘要

本文研究支持向量机技术及其在空中目标识别中的应用。第一章阐述了本文的研究背景,介绍了空中目标识别的研究现状,并对支持向量机的模式分类的研究现状进行了综述。第二章首先介绍了支持向量机技术,归纳总结了其特点和优势,同时介绍了基于神经网络的目标识别技术,然后通过仿真实验对比分析了这两种目标识别技术的性能,表明支持向量机技术在空中目标识别中的优越性。第三章针对固定翼、旋翼这两类典型空中目标识别的问题,首先分析了多普勒频谱结构的不同之处,然后提出了一种基于空中目标识别的KNN-SVM算法,该算法利用K-近邻（KNN）对待训练的旋翼目标频谱样本集进行筛选,使获得的支持向量更加接近最优分类面;最后提出了积累识别策略与识别方法,该方法能在频谱样本相似条件下,获得较高的识别率。仿真实验验证了上述方法的有效性。第四章研究了空中目标识别中的快速SVM技术。首先介绍了一种快速SVM分类算法及其改进的算法,在分析其缺点和不足的基础上,对算法进一步改进,提出了一种优化快速SVM分类算法,仿真结果表明该方法使得分类速度得到提高。最后对全文的工作进行了总结,指出了进一步的研究方向。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 空中目标识别的研究现状
• 1.3 支持向量机的研究现状
• 1.3.1 支持向量机的训练算法
• 1.3.2 支持向量机的多类问题
• 1.3.3 支持向量机的变形算法
• 1.3.4 支持向量机的应用
• 1.4 论文主要内容安排
• 第二章 支持向量机技术
• 2.1 支持向量机的原理
• 2.1.1 统计学习理论
• 2.1.2 线性支持向量机
• 2.1.3 非线性支持向量机
• 2.1.4 支持向量机的核函数
• 2.2 支持向量机的优势
• 2.2.1 支持向量机的特点
• 2.2.2 神经网络方法简介
• 2.2.3 实验结果及分析
• 第三章 空中目标识别的KNN-SVM 算法
• 3.1 引言
• 3.2 空中目标特性分析
• 3.2.1 旋翼飞机的雷达回波组成
• 3.2.2 旋翼回波的理论模型
• 3.2.3 旋翼回波的特点分析
• 3.2.4 重复周期和波束驻留时间要求
• 3.2.5 空中目标雷达回波的频谱
• 3.3 KNN-SVM 算法
• 3.3.1 KNN 简介
• 3.3.2 KNN-SVM 算法原理
• 3.3.3 目标识别的积累策略
• 3.3.4 算法步骤
• 3.4 实验结果与分析
• 3.5 小结
• 第四章 空中目标识别的快速SVM 分类算法
• 4.1 引言
• 4.2 一种快速SVM 分类算法
• 4.2.1 算法原理
• 4.2.2 算法步骤及分析
• 4.3 一种改进的快速SVM 分类算法
• 4.3.1 基本思路
• 4.3.2 算法步骤及分析
• 4.4 一种优化的快速SVM 分类算法
• 4.4.1 基本思路
• 4.4.2 算法步骤
• 4.5 实验结果与分析
• 4.6 小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果