文献

J-GLOBAL ID：201802238229704033   整理番号：18A0871445

改良サポートベクトルマシン低分解能レーダ目標分類アルゴリズム【JST・京大機械翻訳】

Improved support vector machine target classification algorithm for low-resolution radar

著者 (4件)： Chen Zhiren (南京理工大学電子工程与光電技術学院,江蘇南京,210094) ,  Gu Hong (南京理工大学電子工程与光電技術学院,江蘇南京,210094) ,  Su Weimin (南京理工大学電子工程与光電技術学院,江蘇南京,210094) ,  Wang Zhao (南京理工大学電子工程与光電技術学院,江蘇南京210094;中国電子科技集団公司第五十四研究所,河北石家庄050081)
資料名： Xitong Gongcheng yu Dianzi Jishu  (Xitong Gongcheng yu Dianzi Jishu)
巻： 39  号： 11  ページ： 2456-2462  発行年： 2017年 
JST資料番号： C2068A  ISSN： 1001-506X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： レーダターゲット認識システムには,外部ターゲットと各特徴の分類性能の不一致があり,低分解能レーダの異なるクラスの目標固有値の分布区間が混在する。サポートベクトルマシン(SVM)分類アルゴリズムに基づき,目標サンプルの固有値を信頼し,信頼間隔を得て,コスト関数を用いて,認識閾値を決定し,そして,訓練サンプルの事前認識比率に従って,特徴属性の重みを,訓練サンプルの事前認識比率によって,識別し,そして,目標認識を,サポートベクターマシンによって,行った。レーダの実測データの実験結果は、信頼の識別分析及び注水配分の加重を取り入れた後、分類器の性能が効果的に改善されたことを表明した。..??????????????????????.Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 判別分析 ,  *レーダ ,  費用関数 ,  物体認識 ,  *サポートベクトルマシン ,  固有値
準シソーラス用語： 認識率 ,  レーダー目標認識 ,  *分類アルゴリズム ,  *低分解能 , 【Automatic Indexing@JST】

著者キーワード (5件)： low-resolution radar ,  target classification ,  support vector machine (SVM) ,  water-filling theory ,  confidence measure

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： サポートベクトルマシン ,  低分解能 ,  レーダ ,  目標 ,  分類アルゴリズム