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。
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
8 w7 @$ h3 K7 ^! Q+ \" B9 d' x& WHOG 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
) Z/ c5 \% b5 d性，提高了识别性能。
9 d/ F5 o) ~1 s- N9 A5 {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
3 a: J' d- v, o# [* N( j7 W空间监视系统是地球外层领域的研究热点，空
" Q; }: C) J# r# h间目标识别是空间监视的主要任务之一，引起多国
! a' }2 S# ]2 K  N1 r1 `的广泛关注。卫星目标在太空中沿轨道运动，具有
$ R5 O" k  J/ c% L视点结构特征，光照、形状、尺度和姿态都有不同
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
能力强、自适应学习能力强和并行处理能力强等优
8 B5 `) g; [7 }- n7 q点，在目标识别领域有广泛应用[1]。但 BP 神经网络
6 n$ U% a( `/ ?5 Z4 e  k: w用于空间目标识别时，高维输入特征会使网络结构
0 J, d6 I& m3 ]6 [4 y复杂，降低训练性能，因此在训练识别前对原始特
* S- P% @4 d; U1 t) G/ p6 k征进行降维十分必要。
目前常用的特征降维法主要有主成分分析法





附件下载：

游客，如果您要查看本帖隐藏内容请回复

2 I* ]2 G0 Q# v! t2 I# D/ V" k

Blah

谢谢分享