基于谱回归特征降维与后向传播神经网络的识别方法研究

刘工在呢

摘 要：采用后向传播(BP)神经网络对空间目标进行识别时，高维的输入特征导致网络结构复杂，识别性能降低。
' b" G' I8 x3 z% V6 ~/ }  b3 O5 X/ ~针对上述难点，该文提出一种基于谱回归(SR)特征降维与 BP 神经网络的识别方法。该方法首先对空间目标进行
0 C$ \% R1 q6 B8 ~HOG 特征提取，然后将提取的高维 HOG 特征进行 SR 降维，最后把降维后的数据通过 BP 分类器进行训练识别。
实验结果表明：该方法的降维和识别特性优于传统降维方法 PCA, KPAC, LPP, KLPP 等，能够兼顾实时性和准确
性，提高了识别性能。
关键词：目标识别；后向传播神经网络；谱回归；特征降维
# |4 C6 X( k: _' L% p0 w1 引言
+ M  m/ h7 |# ^空间监视系统是地球外层领域的研究热点，空
$ j7 O4 K( A1 a' V; n  y( H- S* j6 }间目标识别是空间监视的主要任务之一，引起多国
的广泛关注。卫星目标在太空中沿轨道运动，具有
视点结构特征，光照、形状、尺度和姿态都有不同
2 E6 q0 l- r2 D( E+ i7 C程度的变化。BP(Back Propagation)神经网络能够
- P8 ~; Q0 `) A9 n! d7 E/ f; D3 C4 p/ f逼近任意非线性函数，具有抑制噪声能力强、容错
能力强、自适应学习能力强和并行处理能力强等优
点，在目标识别领域有广泛应用[1]。但 BP 神经网络
% z  {# u4 t: b. Y/ K* l0 F7 }用于空间目标识别时，高维输入特征会使网络结构
2 |# m; N  J  O' j8 E  r复杂，降低训练性能，因此在训练识别前对原始特
/ k% A( ~0 y! Z" u! S征进行降维十分必要。
目前常用的特征降维法主要有主成分分析法
8 {8 i6 E6 e: T: B7 l3 G0 u2 r
4 S% V$ b* _/ _! T% E; |+ J& e8 ^0 h+ y

( R1 T  \: \+ C! T

附件下载：

游客，如果您要查看本帖隐藏内容请回复

# g7 g' U% ^- e$ G2 Q/ C& Y

Blah

谢谢分享