基于核最优变换与聚类中心的雷达目标识别 (2008年)

抽取有效鉴别特征是雷达一维高分辨距离像识别的关键．基于统计学习理论的核化原理，提出一种新的鉴别特征提取方法一一核最优变换与聚类中心算法．该算法通过非线性变换，将数据映射到核空间，在核空间执行最优变换与聚类中心算法，能够提取一维距离像的稳健非线性鉴别特征．同时，基于训练样本在核空间所张成的子空间的一组基，给出一种快速计算方法，提高了特征提取速度。基于微波暗室实测数据的实验表明了该方法的有效性．