基于集成學(xué)習(xí)的角反射體目標(biāo)雷達(dá)識別理論與方法

定　價：￥98.00

作　者：	胡生亮等著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787121372292	出版時間：	2019-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	212	字?jǐn)?shù)：

內(nèi)容簡介

　　本書總結(jié)了基于集成學(xué)習(xí)的角反射體雷達(dá)目標(biāo)識別方法的研究成果，共由6章構(gòu)成。第1章：介紹了角反射體目標(biāo)的發(fā)展和應(yīng)用現(xiàn)狀，分析了角反射體的雷達(dá)目標(biāo)特性及其RCS快速預(yù)估方法。第2章：介紹了全極化高分辨率距離像的特征提取與優(yōu)選，構(gòu)建起角反射體與艦船目標(biāo)混合分類識別數(shù)據(jù)集。第3章：介紹了集成學(xué)習(xí)的基本理論。第4章：介紹了兩種基于靜態(tài)分類器集成的角反射體目標(biāo)雷達(dá)識別方法。第5章：介紹了兩種基于動態(tài)分類器集成的角反射體目標(biāo)雷達(dá)識別方法。第6章：對四種分類器集成算法進(jìn)行了對比研究。

作者簡介

　　胡生亮，男，安徽池州人，海軍工程大學(xué)教授、博士研究生導(dǎo)師，主要從事雷達(dá)制導(dǎo)與無源對抗技術(shù)方面的教學(xué)研究工作，出版《信息戰(zhàn)》《精確制導(dǎo)技術(shù)》等著作，獲軍隊(duì)科技進(jìn)步二等獎3項(xiàng)、國防發(fā)明專利授權(quán)10余項(xiàng)。

圖書目錄

第1章角反射體目標(biāo)概況\t1
1．1 引言\t1
1．2 角反射體的發(fā)展與應(yīng)用現(xiàn)狀\t1
1．3 角反射體的雷達(dá)目標(biāo)特性\t5
1．3．1 角反射體的RCS經(jīng)典公式\t5
1．3．2 電磁仿真軟件\t5
1．3．3 角反射體的RCS頻率特性\t7
1．3．4 角反射體的RCS極化特性\t7
1．3．5 角反射體的高分辨率距離像\t9
1．3．6 異型角反射體的雷達(dá)目標(biāo)特性\t10
1．4 角反射體RCS快速預(yù)估\t14
1．4．1 基于改進(jìn)GO/AP法的三面角反射體RCS預(yù)估\t15
1．4．2 角切除和角度公差對三面角反射體RCS的影響\t24
1．4．3 角反射體群和異型角反射體的RCS快速預(yù)估\t29
1．5 小結(jié)\t35
參考文獻(xiàn)\t36
第2章全極化高分辨率距離像的特征提取與優(yōu)選\t38
2．1 引言\t38
2．2 異型角反射體布放陣列尋優(yōu)\t39
2．2．1 基于RCS幅值特性的異型角反射體陣列尋優(yōu)\t39
2．2．2 基于HRRP的異型角反射體陣列尋優(yōu)\t43
2．3 全極化HRRP的特征提取\t45
2．3．1 全極化HRRP數(shù)據(jù)集建立\t46
2．3．2 特征提取\t51
2．4 全極化HRRP的特征優(yōu)選\t61
2．4．1 全極化HRRP特征的有效性分析\t61
2．4．2 基于歸一化互信息的特征選擇算法\t69
2．4．3 特征優(yōu)選\t79
2．5 小結(jié)\t83
參考文獻(xiàn)\t83
第3章集成學(xué)習(xí)的基本理論\t87
3．1 引言\t87
3．2 集成學(xué)習(xí)的框架\t87
3．3 分類器輸出的類型\t90
3．4 集成學(xué)習(xí)的有效性分析\t92
3．4．1 有效性的內(nèi)部條件\t92
3．4．2 有效性的外部原因\t93
3．4．3 一個分類器集成的例子\t95
3．4．4 集成學(xué)習(xí)在雷達(dá)目標(biāo)識別中的適應(yīng)性分析\t97
3．5 集成學(xué)習(xí)的多樣性\t98
3．5．1 多樣性的重要性\t98
3．5．2 多樣性度量方法\t100
3．5．3 多樣性度量方法的集成間隔解釋\t104
3．6 集成學(xué)習(xí)的主要類別\t106
3．6．1 靜態(tài)分類器集成\t107
3．6．2 動態(tài)選擇集成\t111
3．7 小結(jié)\t112
參考文獻(xiàn)\t112
第4章基于靜態(tài)分類器集成的角反射體目標(biāo)雷達(dá)識別方法\t116
4．1 引言\t116
4．2 基于元學(xué)習(xí)的角反射體目標(biāo)雷達(dá)識別算法\t116
4．2．1 基分類算法的選擇\t117
4．2．2 基于元學(xué)習(xí)的目標(biāo)識別算法\t123
4．2．3 元學(xué)習(xí)系統(tǒng)的參數(shù)尋優(yōu)\t127
4．3 基于集成間隔優(yōu)化的角反射體目標(biāo)雷達(dá)識別算法\t135
4．3．1 集成間隔定義\t135
4．3．2 分類器權(quán)值和樣本權(quán)值計(jì)算\t137
4．3．3 基于集成間隔優(yōu)化的靜態(tài)選擇集成算法\t139
4．3．4 SSE-MO的參數(shù)尋優(yōu)\t140
4．4 小結(jié)\t144
參考文獻(xiàn)\t145
第5章基于動態(tài)分類器集成的角反射體目標(biāo)雷達(dá)識別方法\t146
5．1 引言\t146
5．2 基于聚類和隨機(jī)參考分類器的角反射體目標(biāo)雷達(dá)識別算法\t147
5．2．1 基于多樣性度量的k-medoids聚類\t148
5．2．2 基于RRC的分類器競爭力度量\t149
5．2．3 KMRRC動態(tài)集成選擇算法\t156
5．2．4 KMRRC的參數(shù)尋優(yōu)\t157
5．3 基于混合集成選擇的角反射體目標(biāo)雷達(dá)識別算法\t160
5．3．1 基于NSGAⅡ的集成分類器靜態(tài)優(yōu)選\t160
5．3．2 元分類器的訓(xùn)練與動態(tài)選擇\t165
5．3．3 ODS混合分類器集成選擇算法\t169
5．3．4 ODS的參數(shù)尋優(yōu)\t169
5．4 小結(jié)\t178
參考文獻(xiàn)\t178
第6章 4種分類器集成算法的對比研究\t180
6．1 引言\t180
6．2 理想情況下的對比研究\t180
6．3 復(fù)雜條件下的對比研究\t184
6．3．1 類別噪聲的影響\t184
6．3．2 小樣本集的影響\t186
6．3．3 庫外目標(biāo)的影響\t189
6．3．4 3種因素的共同影響\t196
6．4 小結(jié)\t201
參考文獻(xiàn)\t201