使用核Adatron进行基于RCS数据的物体分类
机器学习
2010-05-31 v1 机器学习
摘要
从雷达散射截面（RCS）信号中快速识别物体对于许多空间和军事应用至关重要。这种识别是一个模式识别问题，神经网络或支持向量机应能实现高速处理。贝叶斯网络也很有价值，但需要对信号进行大量预处理。在本文中，我们描述了使用支持向量机从合成的RCS数据中进行物体识别。我们最好的结果来自X波段和S波段信号的数据融合，对圆柱体、截锥体、球体和多边形的正确识别率分别达到了99.4%、95.3%、100%和95.6%。我们还将我们的结果与贝叶斯方法进行了比较，并表明以浮点运算次数衡量，SVM的速度快三个数量级。
引用
@article{arxiv.1005.5337,
title = {Using a Kernel Adatron for Object Classification with RCS Data},
author = {Marten F. Byl and James T. Demers and Edward A. Rietman},
journal= {arXiv preprint arXiv:1005.5337},
year = {2010}
}
备注
This material is based upon work supported by US Army Space & Missile Command under Contract Number W9113M-07-C-0204. Any opinions, findings and conclusions or recommendations expressed in this material are those of the authors and do not necessarily re flect the views of US Army Space & Missile Command