2024年8月19日
星期一
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
梁佳熙
作品数:
1
被引量:9
H指数:1
供职机构:
西北工业大学计算机学院
更多>>
发文基金:
中国航空科学基金
西北工业大学基础研究基金
国家教育部博士点基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
李映
西北工业大学计算机学院
龚红丽
西北工业大学计算机学院
张艳宁
西北工业大学计算机学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
特征提取
1篇
奇异值
1篇
奇异值分解
1篇
主成分
1篇
主成分分析
1篇
最近邻
1篇
最近邻分类
1篇
最近邻分类器
1篇
目标特征提取
1篇
计算机
1篇
计算机应用
1篇
分类器
1篇
SAR图像
机构
1篇
西北工业大学
作者
1篇
张艳宁
1篇
龚红丽
1篇
梁佳熙
1篇
李映
传媒
1篇
吉林大学学报...
年份
1篇
2010
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于KSVD和PCA的SAR图像目标特征提取
被引量:9
2010年
提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。
李映
龚红丽
梁佳熙
张艳宁
关键词:
计算机应用
特征提取
主成分分析
最近邻分类器
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张