相關商品
商品簡介
作者簡介
目次
商品簡介
本書總結了基於集成學習的角反射體雷達目標識別方法的研究成果，共由6章構成。第1章：介紹了角反射體目標的發展和應用現狀，分析了角反射體的雷達目標特性及其RCS快速預估方法。第2章：介紹了全極化高分辨率距離像的特徵提取與優選，構建起角反射體與艦船目標混合分類識別數據集。第3章：介紹了集成學習的基本理論。第4章：介紹了兩種基於靜態分類器集成的角反射體目標雷達識別方法。第5章：介紹了兩種基於動態分類器集成的角反射體目標雷達識別方法。第6章：對四種分類器集成算法進行了對比研究。
作者簡介
胡生亮，男，安徽池州人，海軍工程大學教授、博士研究生導師，主要從事雷達制導與無源對抗技術方面的教學研究工作，出版《信息戰》《精確制導技術》等著作，獲軍隊科技進步二等獎3項、國防發明專利授權10余項。
目次
第1章 角反射體目標概況 1
1.1 引言 1
1.2 角反射體的發展與應用現狀 1
1.3 角反射體的雷達目標特性 5
1.3.1 角反射體的RCS經典公式 5
1.3.2 電磁仿真軟件 5
1.3.3 角反射體的RCS頻率特性 7
1.3.4 角反射體的RCS極化特性 7
1.3.5 角反射體的高分辨率距離像 9
1.3.6 異型角反射體的雷達目標特性 10
1.4 角反射體RCS快速預估 14
1.4.1 基於改進GO/AP法的三面角反射體RCS預估 15
1.4.2 角切除和角度公差對三面角反射體RCS的影響 24
1.4.3 角反射體群和異型角反射體的RCS快速預估 29
1.5 小結 35
參考文獻 36
第2章 全極化高分辨率距離像的特徵提取與優選 38
2.1 引言 38
2.2 異型角反射體布放陣列尋優 39
2.2.1 基於RCS幅值特性的異型角反射體陣列尋優 39
2.2.2 基於HRRP的異型角反射體陣列尋優 43
2.3 全極化HRRP的特徵提取 45
2.3.1 全極化HRRP數據集建立 46
2.3.2 特徵提取 51
2.4 全極化HRRP的特徵優選 61
2.4.1 全極化HRRP特徵的有效性分析 61
2.4.2 基於歸一化互信息的特徵選擇算法 69
2.4.3 特徵優選 79
2.5 小結 83
參考文獻 83
第3章 集成學習的基本理論 87
3.1 引言 87
3.2 集成學習的框架 87
3.3 分類器輸出的類型 90
3.4 集成學習的有效性分析 92
3.4.1 有效性的內部條件 92
3.4.2 有效性的外部原因 93
3.4.3 一個分類器集成的例子 95
3.4.4 集成學習在雷達目標識別中的適應性分析 97
3.5 集成學習的多樣性 98
3.5.1 多樣性的重要性 98
3.5.2 多樣性度量方法 100
3.5.3 多樣性度量方法的集成間隔解釋 104
3.6 集成學習的主要類別 106
3.6.1 靜態分類器集成 107
3.6.2 動態選擇集成 111
3.7 小結 112
參考文獻 112
第4章 基於靜態分類器集成的角反射體目標雷達識別方法 116
4.1 引言 116
4.2 基於元學習的角反射體目標雷達識別算法 116
4.2.1 基分類算法的選擇 117
4.2.2 基於元學習的目標識別算法 123
4.2.3 元學習系統的參數尋優 127
4.3 基於集成間隔優化的角反射體目標雷達識別算法 135
4.3.1 集成間隔定義 135
4.3.2 分類器權值和樣本權值計算 137
4.3.3 基於集成間隔優化的靜態選擇集成算法 139
4.3.4 SSE-MO的參數尋優 140
4.4 小結 144
參考文獻 145
第5章 基於動態分類器集成的角反射體目標雷達識別方法 146
5.1 引言 146
5.2 基於聚類和隨機參考分類器的角反射體目標雷達識別算法 147
5.2.1 基於多樣性度量的k-medoids聚類 148
5.2.2 基於RRC的分類器競爭力度量 149
5.2.3 KMRRC動態集成選擇算法 156
5.2.4 KMRRC的參數尋優 157
5.3 基於混合集成選擇的角反射體目標雷達識別算法 160
5.3.1 基於NSGAⅡ的集成分類器靜態優選 160
5.3.2 元分類器的訓練與動態選擇 165
5.3.3 ODS混合分類器集成選擇算法 169
5.3.4 ODS的參數尋優 169
5.4 小結 178
參考文獻 178
第6章 4種分類器集成算法的對比研究 180
6.1 引言 180
6.2 理想情況下的對比研究 180
6.3 複雜條件下的對比研究 184
6.3.1 類別噪聲的影響 184
6.3.2 小樣本集的影響 186
6.3.3 庫外目標的影響 189
6.3.4 3種因素的共同影響 196
6.4 小結 201
參考文獻 201
1.1 引言 1
1.2 角反射體的發展與應用現狀 1
1.3 角反射體的雷達目標特性 5
1.3.1 角反射體的RCS經典公式 5
1.3.2 電磁仿真軟件 5
1.3.3 角反射體的RCS頻率特性 7
1.3.4 角反射體的RCS極化特性 7
1.3.5 角反射體的高分辨率距離像 9
1.3.6 異型角反射體的雷達目標特性 10
1.4 角反射體RCS快速預估 14
1.4.1 基於改進GO/AP法的三面角反射體RCS預估 15
1.4.2 角切除和角度公差對三面角反射體RCS的影響 24
1.4.3 角反射體群和異型角反射體的RCS快速預估 29
1.5 小結 35
參考文獻 36
第2章 全極化高分辨率距離像的特徵提取與優選 38
2.1 引言 38
2.2 異型角反射體布放陣列尋優 39
2.2.1 基於RCS幅值特性的異型角反射體陣列尋優 39
2.2.2 基於HRRP的異型角反射體陣列尋優 43
2.3 全極化HRRP的特徵提取 45
2.3.1 全極化HRRP數據集建立 46
2.3.2 特徵提取 51
2.4 全極化HRRP的特徵優選 61
2.4.1 全極化HRRP特徵的有效性分析 61
2.4.2 基於歸一化互信息的特徵選擇算法 69
2.4.3 特徵優選 79
2.5 小結 83
參考文獻 83
第3章 集成學習的基本理論 87
3.1 引言 87
3.2 集成學習的框架 87
3.3 分類器輸出的類型 90
3.4 集成學習的有效性分析 92
3.4.1 有效性的內部條件 92
3.4.2 有效性的外部原因 93
3.4.3 一個分類器集成的例子 95
3.4.4 集成學習在雷達目標識別中的適應性分析 97
3.5 集成學習的多樣性 98
3.5.1 多樣性的重要性 98
3.5.2 多樣性度量方法 100
3.5.3 多樣性度量方法的集成間隔解釋 104
3.6 集成學習的主要類別 106
3.6.1 靜態分類器集成 107
3.6.2 動態選擇集成 111
3.7 小結 112
參考文獻 112
第4章 基於靜態分類器集成的角反射體目標雷達識別方法 116
4.1 引言 116
4.2 基於元學習的角反射體目標雷達識別算法 116
4.2.1 基分類算法的選擇 117
4.2.2 基於元學習的目標識別算法 123
4.2.3 元學習系統的參數尋優 127
4.3 基於集成間隔優化的角反射體目標雷達識別算法 135
4.3.1 集成間隔定義 135
4.3.2 分類器權值和樣本權值計算 137
4.3.3 基於集成間隔優化的靜態選擇集成算法 139
4.3.4 SSE-MO的參數尋優 140
4.4 小結 144
參考文獻 145
第5章 基於動態分類器集成的角反射體目標雷達識別方法 146
5.1 引言 146
5.2 基於聚類和隨機參考分類器的角反射體目標雷達識別算法 147
5.2.1 基於多樣性度量的k-medoids聚類 148
5.2.2 基於RRC的分類器競爭力度量 149
5.2.3 KMRRC動態集成選擇算法 156
5.2.4 KMRRC的參數尋優 157
5.3 基於混合集成選擇的角反射體目標雷達識別算法 160
5.3.1 基於NSGAⅡ的集成分類器靜態優選 160
5.3.2 元分類器的訓練與動態選擇 165
5.3.3 ODS混合分類器集成選擇算法 169
5.3.4 ODS的參數尋優 169
5.4 小結 178
參考文獻 178
第6章 4種分類器集成算法的對比研究 180
6.1 引言 180
6.2 理想情況下的對比研究 180
6.3 複雜條件下的對比研究 184
6.3.1 類別噪聲的影響 184
6.3.2 小樣本集的影響 186
6.3.3 庫外目標的影響 189
6.3.4 3種因素的共同影響 196
6.4 小結 201
參考文獻 201
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。