特征變換方法及其在SAR目標鑒別上的應用.pdf

1、在合成孔徑雷達（SAR）目標鑒別問題中，好的特征集是分類鑒別的關鍵。現(xiàn)有文獻提出大量SAR目標鑒別特征，但是并不是每個特征都具有較強的可鑒別性，甚至有些特征聯(lián)合使用反而會取得較差的鑒別結果。因此，合理對鑒別特征進行特征變換至關重要。本文主要研究基于 Fisher準則的特征降維變換方法及其在SAR圖像目標鑒別上的應用。
　　Fisher線性判決分析（FLDA）是經典的降維判決方法，以其準則函數(shù)構造簡單、求解方便而被廣為應用。但是，F(xiàn)

2、LDA并不能在所有數(shù)據(jù)上找到最優(yōu)投影方向。本文第二章首先以仿真數(shù)據(jù)為例，詳細分析了 FLDA不適用的數(shù)據(jù)類型，然后提出一種結合序列假設檢驗的降維判決方法，最后以多組UCI數(shù)據(jù)集和SAR圖像集驗證其分類判決效果。該方法具體描述為：首先利用 FLDA得到投影方向，然后通過序列假設檢驗引入迭代，在迭代中更新未知樣本的先驗信息，重新尋找投影方向，最終確定對未知樣本最合適的投影判決空間。
　　為了在降維判決的同時達到特征選擇的目的，本文第三

3、章在FLDA的回歸模型上增加范數(shù)約束，提出了一種結合稀疏特征選擇的降維判決方法。該方法利用投影判決矩陣中各行向量和數(shù)據(jù)中各個特征的一一對應關系，通過對投影判決矩陣進行稀疏約束，在確定最優(yōu)投影方向的同時令投影判決矩陣的部分行為零，使得在投影變換后，投影判決矩陣為零行對應的特征不參與最終判決，屏蔽了特征集中無效特征、冗余特征對投影方向的影響，在降維判決的同時實現(xiàn)了特征選擇。在多組UCI數(shù)據(jù)集和SAR圖像集中，融合特征選擇的降維判決方法取得了