基于改进核聚类算法空间目标识别方法_王晓雪.pdfVIP

年 月 中国空间科学技术 ２０１２ ４ 　　　　　 　　　 　　　　　　　　　　 ３５ 第 ２ 期 ＣｈｉｎｅｓｅＳ ａｃｅＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏ 　 　 　　　　　　　　　　 　 　 　 　 　　　　　　　　　　　 ｐ ｇｙ 基于改进核聚类算法的空间目标识别方法 王晓雪 杨永胜 敬忠良 　 　 （上海交通大学航空航天学院，上海 ） ２００２４０ 摘要 根据目标区域的矩特征，几何特征以及灰度特征，提取出目标的特征向量，并 通过聚类算法对空间目标进行识别，提出了一种基于 距离的核聚类算法（ ）。 Ｖｏｒｏｎｏｉ ＫＦＣＭ 该算法通过引入一种新的距离度量，使得隶属度函数更加的明晰，改善了核聚类算法极易 陷入最小值的问题。运用改进的核聚类算法对 类空间目标进行识别，试验结果验证了算 ３ 法的正确性和有效性。 关键词 图像识别 核聚类法 特征提取 空间目标 　 　 　 ： ／ ＤＯＩ １０．３７８０ ．ｉｓｓｎ．１０００ ７５８Ｘ．２０１２．０２．００６ ｊ － １ 引言 　 早期的模式识别中，是通过模板匹配技术来进行目标的识别分类。例如在文献［］中，首先通 １ 过提取测试样本的姿态和光照信息来构建一个特征空间，然后再将待识别的样本投影到所构建的特 征空间中来进行识别。文献［］中，是通过提取测试样本的局部邻域操作子的联合概率来构建全局 ２ 模板。虽然在上述的文献中采用了不同的方法来构建全局模板，但是他们在本质上都是属于基于模 板匹配技术的模式识别方法。该算法的缺点是计算量特别大，尤其在目标复杂、模板数量多时这一 问题将会更加地突出。为了满足实际应用中对实时性的要求，更常见的目标识别方法是，通过一系 列的图像预处理后，提取目标区域的特征值，再选择合适的分类技术对目标进行分类。因此对分类 算法的研究，变成了模式识别中一个重要的技术关键。常见的分类算法有， 等人提出的 Ｄｅｍ ｓｔｅｒ ｐ ［ ］ ３ 最大似然概率 （ ）算法 ，该算法通过寻找概率模型的最大似然概率来确定分类，常常用于处 ＥＭ 理不完备的数据集。但是该算法对于初始值的选取非常的敏感。 年 提出了著名的支持