基于标签重构的弹载毫米波高分辨距离像识别算法

摘要

毫米波引信通过发射宽带信号获得目标的精细结构信息.然而,在非合作目标的探测与识别过程中,由于缺乏目标的类别信息,大量的目标样本无法得到充分的利用.针对这一问题,本文将基于拉普拉斯得分(Laplacian Score,LRLS)的监督特征选择算法推广到半监督情况,得到基于标签重构的拉普拉斯得分算法(Label Reconstruction based Laplacian Score,LRLS),并应用到非合作目标的识别中.LRLS的理论框架与LS相同,并利用标签重构技术获得半监督图拉普拉斯矩阵.为了更好的描述高维目标样本的相似性,在标签重构的过程中使用测地距离代替欧氏距离.实验结果表明,相对于传统的特征选择算法,LRLS能够得到更好的识别效果,同时具有更小的最优特征数,减少了后期分类算法的计算量.