结合无监督聚类的SVM二叉树在SAR自动目标识别系统中的应用.pdfVIP

维普资讯 第27卷 第2期 Vb1．27 NO．2 2008年 6月 成都大学学报(自然科学版) JournalofChengduUniversity(NaturalScienceEdition) Jun．2008 文章编号：1004—5422(2008)02—0134—03 结合无监督聚类的SVM二叉树在 SAR 自动 目标识别系统中的应用 万 涛，邹 维，万 谦，何晓庆 (重庆师范大学 数学与计算机学院，重庆 400047) 摘 要：结合向量机二叉树是近年发展起来的一种新的多分类识别器，该方法现 已证明能有效提高分类精度 以及训练速度 “．提出了结合无监督聚类的SVM二叉树的SAIl目标 自动识别，并对MSTAR的T一72Variant数 据库进行实验 ，取得 了良好的识别效果，为SAR 自动 目标识别的多类别问题提供了一种新方法和新思路 ． 关键词：无监督聚类；支持向量机；SAR 自动 目标识别；二叉树 中图分类号 ：TN95；E9 文献标识码：A 别和分类 ． O 引 言 目标类型 合成孔径雷达 自动 目标识别 (SyntheticAper． SRA图像一 位置，姿态等 tureRadarAutomaticTargetRecognition，SARATR)是 新一代战场感知系统雷达信号处理中的关键技术 图 1 SAIlATR系统结构示意图 之一，目前已成为国内外研究的热门课题，现已有 2 结合无监督聚类的SVM二叉树 多种统计分类方法用于SARATR中2【0J，支持向量 机(s、 )是 Vapnik等人根据统计学习理论提出的 2．1 结合无监督聚类的SVM二叉树基本思想 一 种学习方法，结合无监督聚类的SVM多分类决 由于支持向量机基于两类分类，可以把它和 策树，通过聚类来确定二叉决策树的结构，完成多 二叉决策树的基本思想结合起来构成多类别的识 类SVM分类 ，现已证明该方法能有效提高分类精 别器，这种方法称为SVM决策树方法[4】．根据二叉 度，提高训练速度…．本文利用结合无监督聚类的 树的定义，构造一棵有 K个叶子结点的严格二叉 支持向量机(s、 )二叉树实现了SAR自动 目标识 树有多种不同方案，并且决策树层次结构的确定 别，并取得了良好的识别效果． 对分类精度有较大的影响．现有 的决策树层次结 构确定方法主要有以下两大类：①根据有无先验 1 SAR 1R系统的一般流程 知识，预先确定分类树结构；②根据K类样本间的 由于 SAR观测得到的 SAR图像对应的场景 联系和分布规律生成相应的决策树型，主要采用 一 般比较大，因此，SAR图像 目标识别一般采用分 无监督聚类的方法L1】，即将 K个类别先通过聚类 层次的方法．即：首先，从整个 SAR图像中提取出 的方法分为2个子类 K1，和 K2，再对 K1和K2应 感兴趣的区域，也即可能包含 目标 的小区域；然 用同样的方法聚类，直到每个子类中只包含一个 后，对这些感兴趣的区域进行进一步处理，以去除