2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、如今,核機(jī)器學(xué)習(xí)已經(jīng)擴(kuò)展到眾多學(xué)科和領(lǐng)域,并起到越來越重要的作用。在過去的這些年中,數(shù)據(jù)的規(guī)模越來越大,從而也導(dǎo)致了核機(jī)器學(xué)習(xí)算法的計(jì)算復(fù)雜度也越來越高,因此稀疏核機(jī)器學(xué)習(xí)機(jī)的研究受到了人們的關(guān)注。合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是近幾年來發(fā)展起來的一個(gè)重要的新型學(xué)科,SAR目標(biāo)識(shí)別是SAR圖像解譯和分析的重要組成部分,是國內(nèi)外SAR圖像處理和模式識(shí)別領(lǐng)域的研究熱點(diǎn)。本論文以SAR圖像目標(biāo)識(shí)別為背

2、景,結(jié)合多尺度幾何分析和核機(jī)器學(xué)習(xí)理論,對(duì)SAR圖像目標(biāo)識(shí)別進(jìn)行了研究,并提出了新方法。本論文的主要工作概括如下:
   (1)針對(duì)最小二乘支撐向量機(jī)(Least Squares Support Vector Machine,LSSVM)缺乏稀疏性的缺點(diǎn),提出了一種改進(jìn)的稀疏最小二乘支撐向量機(jī),并應(yīng)用于SAR圖像目標(biāo)識(shí)別中。該方法結(jié)合增量學(xué)習(xí)和逆學(xué)習(xí)過程,選擇相關(guān)的樣本作為支撐向量,進(jìn)而迭代地構(gòu)造決策函數(shù)。本算法在UCI數(shù)據(jù)集上

3、進(jìn)行了驗(yàn)證,并應(yīng)用于SAR目標(biāo)識(shí)別中。實(shí)驗(yàn)證明,該方法在正確識(shí)別率相當(dāng)?shù)那闆r下獲得了較低的計(jì)算復(fù)雜度和良好的稀疏性。
   (2)將多尺度幾何分析和機(jī)器學(xué)習(xí)結(jié)合起來,提出一種基于二維Curvelet核的LSSVM。該方法利用曲線波的“各向異性尺度關(guān)系”等優(yōu)點(diǎn),根據(jù)支撐向量核成立所需要的條件,構(gòu)造了一個(gè)二維Curvelet核,并利用粒子群算法對(duì)該核函數(shù)的方向參數(shù)進(jìn)行優(yōu)化。所構(gòu)造的Curvelet核為支撐向量核函數(shù)提供了更多選擇,在

4、分類實(shí)驗(yàn)和函數(shù)逼近實(shí)驗(yàn)中的結(jié)果驗(yàn)證了Curvelet核函數(shù)的有效性。
   (3)基于Curvelet分析和核Fisher判別分析(KFD)提出了一種SAR目標(biāo)特征提取算法,并基于LSSVM實(shí)現(xiàn)SAR目標(biāo)識(shí)別。該方法首先利用Curvelet提取出SAR圖像的低頻信息,再用KFD方法進(jìn)行降維處理,得到后續(xù)分類器所需的數(shù)據(jù),最后通過LSSVM進(jìn)行訓(xùn)練并最終得到識(shí)別的結(jié)果。實(shí)驗(yàn)證明,該方法能獲得較高的識(shí)別率,是一種有效的SAR圖像目標(biāo)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論