一种基于电磁和红外的特征选择方法及目标识别方法技术

本发明专利技术涉及一种基于电磁和红外的特征选择方法及目标识别方法，包括如下步骤：对获取的电磁信号和红外图像数据进行预处理；从预处理后的数据中获得第i个特征的样本数据矩阵D；从矩阵D中随机选择样本R中，分别找到其同一类和不同类k个最近邻样本；计算类内和类外两个样本之间的距离；计算所有样本所有特征的权重；迭代多次，更新特征的权重；比较权重与阈值的大小；循环上述步骤，计算样本中所有特征的权重，经过阈值筛选，获得经过特征选择后的矩阵。本发明专利技术可以极大去除冗余特征而保留最重要的特征，可以既提高计算效率又提升了目标识别率。率。率。

【技术实现步骤摘要】
一种基于电磁和红外的特征选择方法及目标识别方法


[0001]本专利技术涉及的雷达、红外识别领域，尤其是一种一种基于电磁和红外的特征选择方法及目标识别方法。

技术介绍

[0002]目标识别对于防御系统和安全应用来说非常重要。然而，依靠单个传感器提供的目标信息已经无法满足需求，亟需使用各类传感器来提供全面的目标特征和准确的信息。基于地基、空基等雷达、红外传感器平台，获得目标高维、异质、异构等全面的多源数据，可以提取丰富的目标特征来提高目标识别率。但与此同时，如果将所有高维特征输入分类器，不仅会使运算变得复杂，处理速度大大下降；而且在有限样本的情况下，过多的特征可能会导致分类精度降低。因此，根据所需识别数据特性对特征进行选择以降低特征维度是有必要的。
[0003]特征选择技术作为一种降维技术，旨在通过去除不相关、冗余或嘈杂的特征，选择最小的特征子集，最大限度地提高模型的性能，使其更简单、更快。在过去几十年中，各种降维技术已得到开发应用，其中快速主成分分析(PCA)和线性判别分析(LDA)是两种典型的特征选择方法。PCA是将原始数据以线性方式无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于电磁和红外的特征选择方法，其特征在于包括如下步骤：对获取的电磁信号和红外图像数据进行预处理；从预处理后的数据中获得第i个特征的样本数据矩阵D；从样本数据矩阵D中随机选择样本R
i
中，分别找到其同一类和不同类k个最近邻样本；计算类内和类外两个样本之间的距离；计算所有样本所有特征的权重；迭代多次，更新特征的权重；比较权重与阈值的大小；循环上述步骤，计算样本中所有特征的权重，经过阈值筛选，获得经过特征选择后的矩阵D
′
。2.根据权利要求1所述的基于电磁和红外的特征选择方法，其特征在于，红外图像数据和雷达获得的电磁信号为原始分类数据，进行归一化变换：X
i
(j)为雷达信号和红外成像预处理数据的样本，i＝1,2,
…
N，N为样本数，j＝1,2,
…
,I,I为样本维数，X
′
i
(j)即标准化变换后的样本。3.根据权利要求1所述的基于电磁和红外的特征选择方法，其特征在于，样本数据矩阵D是N
×
I的分类样本的矩阵，其中N为总样本数，I为每个样本的总特征数；每个样本有一个目标类型标签c，c∈(1,C]，C是类别数量。4.根据权利要求3所述的基于电磁和红外的特征选择方法，其特征在于，从样本数据矩阵D中随机选择样本R，从同一类中找到它的k个最近邻样本H
j
，j＝1,2,
…
,k，以及每个不同类中的k个最近邻M
j
(C)，j＝1,2,
…

【专利技术属性】
技术研发人员：武艳伟，刘光宏，裴晓帅，宋扬，江冕，
申请(专利权)人：中国电子科技集团公司信息科学研究院，
类型：发明
国别省市：