高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法

张学峰 陈渤 王鹏辉 刘宏伟

张学峰, 陈渤, 王鹏辉, 刘宏伟. 一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法[J]. 电子与信息学报, 2015, 37(1): 29-36. doi: 10.11999/JEIT140129
引用本文: 张学峰, 陈渤, 王鹏辉, 刘宏伟. 一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法[J]. 电子与信息学报, 2015, 37(1): 29-36. doi: 10.11999/JEIT140129
Zhang Xue-Feng, Chen Bo, Wang Peng-Hui, Liu Hong-Wei. A Target Recognition Method Based on Dirichlet Process Latent Variable Support Vector Machine Model[J]. Journal of Electronics & Information Technology, 2015, 37(1): 29-36. doi: 10.11999/JEIT140129
Citation: Zhang Xue-Feng, Chen Bo, Wang Peng-Hui, Liu Hong-Wei. A Target Recognition Method Based on Dirichlet Process Latent Variable Support Vector Machine Model[J]. Journal of Electronics & Information Technology, 2015, 37(1): 29-36. doi: 10.11999/JEIT140129

一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法

doi: 10.11999/JEIT140129
基金项目: 

国家自然科学基金(61372132, 61271024, 61322103),新世纪优秀人才支持计划(NCET-13-0945),全国优秀博士学位论文作者专项资金(FANEDD-201156)和中央高校基本科研业务费专项资金资助课题

A Target Recognition Method Based on Dirichlet Process Latent Variable Support Vector Machine Model

  • 摘要: 在目标识别中,对于样本数较多且分布复杂的数据,若将所有训练样本用来训练一个单一的分类器,会增加分类器的训练复杂度,且容易忽视样本的内在结构,不利于分类。因此人们提出了混合专家系统(ME),即将训练样本集划分为多个训练样本子集,并在每个子集上单独训练分类器。但是传统ME系统需要人为确定专家个数,并且每个子集的学习独立于后端的任务,如分类。该文提出一种基于Dirichlet过程(DP)混合隐变量(LV)支持向量机(SVM)模型(DPLVSVM)的目标识别算法,采用DP混合模型自动确定样本聚类个数,同时每个聚类中使用线性隐变量SVM(LVSVM)进行分类。不同于以往算法,DPLVSVM 将聚类过程和分类器的训练过程联合优化,保证了各个子集中样本的分布上的一致性和可分性,而且可以利用Gibbs采样技术对模型参数进行简便有效的估计。基于人工数据集、公共数据集以及雷达实测数据的实验验证了该文方法的有效性。
  • 加载中
计量
  • 文章访问数:  2084
  • HTML全文浏览量:  99
  • PDF下载量:  775
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-01-20
  • 修回日期:  2014-05-30
  • 刊出日期:  2015-01-19

目录

    /

    返回文章
    返回