[發明專利]拉普拉斯正則化最小二乘合成孔徑雷達自動目標識別方法

無效

• 申請號: 200710199271.4
• 申請日: 2007-12-18
• 公開（公告）號: CN101196564A
• 公開（公告）日: 2008-06-11
• 發明（設計）人: 張向榮;焦李成;陽春;公茂果;劉芳
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G01S7/295;G06K9/64
• 代理公司: 陜西電子工業專利中心
• 代理人: 王品華;韋全生

1.一種拉普拉斯正則化最小二乘SAR自動目標識別方法，其具體實現步驟如下：

(1)輸入l個有標識樣本{(x_i，y_i)}_i＝1^l，l是訓練集樣本的個數，x_i表示第i個樣本，用一個行向量表示，y_i是該樣本所屬的類別標號，輸入u個無標識樣本{x_j}_j＝l+1^l+u，u是測試集樣本的個數，x_j表示第j個樣本，也用一個行向量表示，用l+u個數據點建立一個鄰接圖，數據點看作鄰接圖的頂點，定義W_ij為鄰接圖的邊，是成對數據點的相似性度量，上述的鄰接圖可以選擇n近鄰或者圖核，n為近鄰個數，邊的權值選擇0或1的二值權；

(2)計算第(1)步得到的鄰接圖的Laplacian矩陣：L＝D-W，其中：L表示Laplacian矩陣，D是一個對角矩陣，Dii=Σj=1l+uWij,]]>即第i個點到其它各點的權值之和，其值越大表示該點越重要；

(3)采用一個核函數K(x_i，x_j)對第(1)步所說的l+u個數據點，計算核矩陣K，K_ij＝K(x_i，x_j)，K_ij表示樣本i和樣本j的相似性；

(4)選擇正則化參數γ_A和γ_I；它們分別控制周圍空間函數的復雜性和邊緣分布的內在幾何函數的復雜性，該兩參數的確定可以采用簡單的網格搜索方法來實現；

(5)采用上述(1)～(4)步得到的結果，計算向量α^*，其計算公式如下：

α*=(JK+γAlI+γIl(l+u)2LK)-1Y]]>

其中：J是一個(l+u)×(l+u)的對角矩陣，J＝diag(1，...1，0，...，0)，Y是一個(l+u)維的標識向量，Y＝[y₁，...y_l，0，...0]；

(6)輸出分類函數f*(x)=Σi=1l+uαi*K(xi,x),]]>x表示一個測試集樣本，即待識別目標，對于兩類的分類問題，根據分類函數f*(x)=Σi=1l+uαi*K(xi,x)]]>的正負來分類，對于多類的分類問題，則采用“一對多“的策略，把有標識的當前類作為+1類，有標識的剩余樣本作為-1類，無標識的樣本全部標為0。當有C類時，得到C個分類函數，對無標識的每一個樣本都有C個函數值，取其中最大的一個所對應的類別作為該樣本所屬的類別。