基于谱回归特征降维与后向传播神经网络的识别方法研究

刘工在呢

摘 要：采用后向传播(BP)神经网络对空间目标进行识别时，高维的输入特征导致网络结构复杂，识别性能降低。
# m# D# w7 `  _* Z  N; I针对上述难点，该文提出一种基于谱回归(SR)特征降维与 BP 神经网络的识别方法。该方法首先对空间目标进行
HOG 特征提取，然后将提取的高维 HOG 特征进行 SR 降维，最后把降维后的数据通过 BP 分类器进行训练识别。
实验结果表明：该方法的降维和识别特性优于传统降维方法 PCA, KPAC, LPP, KLPP 等，能够兼顾实时性和准确
性，提高了识别性能。
# [5 v4 b! `7 F- Y关键词：目标识别；后向传播神经网络；谱回归；特征降维
1 引言
2 l+ I' {! T; P# ~% s空间监视系统是地球外层领域的研究热点，空
! P" w0 y  ^6 W* S; H- ?. Q. W; Z间目标识别是空间监视的主要任务之一，引起多国
8 i( j4 x! Q4 ?* x9 [的广泛关注。卫星目标在太空中沿轨道运动，具有
视点结构特征，光照、形状、尺度和姿态都有不同
% J! {: B& |3 p9 M: l4 f+ W程度的变化。BP(Back Propagation)神经网络能够
逼近任意非线性函数，具有抑制噪声能力强、容错
2 I- ]4 d; {* o7 J能力强、自适应学习能力强和并行处理能力强等优
点，在目标识别领域有广泛应用[1]。但 BP 神经网络
用于空间目标识别时，高维输入特征会使网络结构
复杂，降低训练性能，因此在训练识别前对原始特
征进行降维十分必要。
1 {- L7 w* E  Z( r: p目前常用的特征降维法主要有主成分分析法
( V! b/ J& s7 N3 W
) d$ P  b' D4 @- K
) V) ?0 G. G6 X5 _/ y1 j( |: E( m; e7 y


附件下载：

游客，如果您要查看本帖隐藏内容请回复

( `# A( _0 C. v3 X

Blah

谢谢分享