论文部分内容阅读
研究基于核的非线性方法,并将其应用于高分辨距离像雷达目标识别.核Fisher判别分析(KFDA)是一种抽取非线性特征的最有效方法之一,针对其面临的小样本问题,给出一种null-KFDA方法,对距离像进行特征提取.然后,采用一种新的核非线性分类器--KNR,对所提取的特征进行分类.对3种飞机的实测距离像数据进行实验,其结果验证了null-KFDA的有效性.此外,与非线性支持向量机(SVM)和径向基函数神经网络(RBFNN)相比,KNR具有更优的识别性能.