基于最優(yōu)投影支持張量機的多分類算法研究.pdf

1、本文的主要工作是基于合成孔徑雷達(SAR)圖像實現(xiàn)對地面目標的分類識別。由于原始的SAR圖像中存在許多背景雜波和噪聲，會嚴重影響對雷達目標的分類。因此本文首先進行SAR圖像的預處理工作以去除背景雜波和噪聲。主要步驟有：對數(shù)變換、自適應閾值分割、形態(tài)學濾波、幾何聚類處理、圖像增強、歸一化處理以及方位估計。
　　 其次，張量的引入有利于小樣本問題的解決。張量主成分分析(TensorPCA)和張量線性判別分析方法(TensorLDA)

2、把樣本在張量域進行降維處理，提取樣本的特征，相對于向量，有效的保留了樣本的結構信息，更充分的利用收集到的信息，有助于提高學習性能?，F(xiàn)有的支持張量機(STM)基于迭代的方法求解，其計算量較大且泛化能力較差。
　　 最后本文根據(jù)Fisher準則，將最優(yōu)投影應用到多分類器中，提出應用于STM的最優(yōu)投影算法。本文介紹了兩種在最優(yōu)投影算法中確定最優(yōu)投影的方法。這兩種方法分別是：每個子分類器的訓練樣本都向同一個方向投影；每個子分類器確定不同