一种应用模糊聚类分析的目标识别效果评估方法

针对识别效果评估,选取了评估指标及测度方法,将模糊聚类分析引入识别效果评估,建立了一种开放的评估模型,该模型可以给出客观的、定量化的评估结果。最后,结合实测数据完成了仿真。     

一种应用模糊聚类分析的目标识别效果评估方法

针对识别效果评估，选取了评估指标及测度方法，将模糊聚类分析引入识别效果评估，建立了一种开放的评估模型，该模型可以给出客观的、定量化的评估结果。最后，结合实测数据完成了仿真。     

应用变权模糊综合评判的目标识别效果评估

提出一种目标识别效果评估的整体思路。将变权模糊综合评判引入到目标识别效果评估，建立了一种开放的评估模型，该模型可以给出客观的、定量化的评估结果。最后，结合实测数据和拟合数据完成了仿真。     

应用多级模糊综合评判的目标识别效果评估

针对目标识别效果评估,提出一种通用化的评估思路,给出识别过程的参照信息以及计算方法,选取了评估指标及测度方法。随后,将多级模糊综合评判引入到目标识别效果评估,建立了一种开放的评估模型,该模型可以将识别条件有机地纳入评估过程并给出客观的、定量化的评估结果。最后,结合实测数据和拟合数据完成了仿真。     

图像目标识别效果评估

提出了一种对图像单目标识别算法性能进行量化评估的方法.该方法将ROC曲线予以量化,在高斯分布假设下推导出识别算法性能的单一量化指标评估模型,采用均值和方差综合描述算法效果.并采用Sigmoid函数对Gaussian分布函数逼近的方法,结合Logistic回归分析模型,推导了评估模型的简化解算公式.该方法实现了对识别算法效果的定量评估,为不同应用环境下优化算法参数和算法组合提供了量化依据.仿真结果表明了该方法的有效性.

Abstract：

A quantitative performance evaluation method for image target detection is proposed.The Receiver Operating Characteristic (ROC) curve is quantified,and based on Gaussian distributing model,a single quantitative evaluation model is established,and the mean and standard deviation are employed to compute the performance value.The evaluation model is further simplified and becomes feasible by using Sigmoid function to approach to Gaussian distributing model,and employing Logistic model to analyze and compute the function.The quantitative performance evaluation is carried out,providing a quantitative foundation for optimizing the parameters and combination of the algorithms in different applications.Test results show the effectiveness of this method.     

修正的二重模糊积分及其在识别效果评估中的应用

针对二重模糊积分工程实用化,建立了备域上二重可测函数、单调类上二重可测函数的概念。由此出发,从积分函数选择、积分运算方式等方面修正了现有二重模糊积分理论,并给出基于二重模糊积分的综合评判模型。随后,将该理论用于解决一个较为复杂的评估问题——目标识别效果评估,确定了评估指标、评估因素集、因素集元素的权重选取方式、单个评价向量组的生成方法,构筑了评估模型,进行了仿真实验验证。综合评判过程及结果表明了修正后二重模糊积分的科学性、易用性。     

基于运动特征的分层模糊目标识别

提出了一种基于目标运动特征的空中目标实时分层模糊识别方法.对直升机、固定翼飞机、空地弹及巡航弹等空中目标的运动特性进行了分析,提取目标的高度、速度、加速度、高度变化率和加速度变化率等特征.进行分层目标识别,首先根据加速度、高度变化率和加速度变化率等特征识别出空地弹目标,然后根据高度、速度和加速度特征对目标类别的隶属度和模糊密度,实现直升机、固定翼飞机以及巡航弹目标的实时识别.实验结果表明,该方法计算简单,识别率高.在实际工程应用中取得了良好的效果.     

模糊聚类和模糊模式识别在目标识别中的应用

提出了一种模糊聚类和模糊模式识别相结合的目标识别方法,并成功应用于海上舰船识别分类;同时引入聚类分析有效性评价的F统计量,实现了模糊聚类的自适应性,避免了聚类数目选取上存在的主观性.对于给定特征的海上舰船目标,仿真实现了对目标的聚类分析,获得目标的分类并形成标准模型库,并通过模糊模式识别对后继获得的目标特征样本在标准模型库中进行匹配,应用最大贴近度原则完成目标识别.仿真结果表明:对于复杂的战场环境,两种方法的结合是可行和有效的,可以满足战时实时性和准确性的要求,具有一定的应用前景.     

基于多阶段分类的雷达目标识别

讨论了用一种新的识别系统识别高分辨雷达距离像（ＨＲＲＰ）,它先在Ｋ－Ｌ变换对距离像进行特征压缩后,用聚类分析进行识别呀基于某个规则排除某此种类,再对不能识别的模式,用种类少时效果好的最佳鉴别准则对模式进行特征提取,然后用模糊ＡＰＴＭＡＰ网络组进行分类,实验表明该方法比常规的单分类器方法有更高的识别率。     

基于ROC曲线的目标识别性能评估方法

在自动目标识别（ATR）领域,评估目标识别算法性能的指标常用的有分类准确度、精确度、检测概率、混淆矩阵等,但这些指标都存在固有的局限性,对类别先验概率不具有稳健性。近几年来采用的基于雷达接收机工作特性曲线即ROC曲线的评估方法得到的评估结论不敏感于类别先验概率,从根本上克服了以上指标的缺陷。同时,该评估方法可以在错误分类代价未知的情况下进行,并能对识别算法进行多门限评估,因而在分类器识别算法性能评估中得到了广泛应用。文中首先叙述了ROC曲线和ROC曲线建立的方法,然后详细论述了基于ROC曲线的评估方法中常用的性能评估指标。     

红外目标自动识别(ATR)算法性能评估的方法研究

本文对红外自动目标识别(ATR)算法性能评估的发展进行了系统的梳理,介绍了ATR算法性能评估过程中必不可少的工作条件限制以及性能指标的选取,并总结了目前ATR算法性能评估中经常采用的几种方法。     

模糊评判法和模糊聚类分析在优化布点中的应用

为了弥补传统的物元分析中存在的不足之处,提出一种基于模糊评判和模糊聚类的物元分析方法。该方法首先应用模糊评判法综合评价河流的水环境质量,将得到河流的水质等级应用于物元分析中,然后用物元分析所得的关联函数构造模糊关系矩阵,对样本进行模糊聚类,最后得出优化布点结果。     

基于广义模糊函数的低分辨雷达目标识别

针对低分辨雷达的特点,提出了广义模糊函数的概念,讨论了广义模糊函数与目标分辨率的关系,通过分析广义模糊函数中3个参数的构成,对编队目标架次识别方法进行了研究,并通过实例进行检验,为实际工程运用提供了参考。     

基于模糊综合函数的目标识别融合算法研究

基于对目标识别特点的研究，给出目标识别的可能性分布描述方法。运用模糊集理论，讨论基于模糊综合函数的目标识别决策级融合算法，并举例说明该方法的直观合意性。     

基于直觉模糊核匹配追踪的目标识别方法

针对反导目标识别系统需对具有不同重要性的目标类别进行不同精度识别这一问题,提出一种基于直觉模糊核匹配追踪的目标识别方法.该方法利用核匹配追踪算法及平方间隔损失函数的优势设计了基于平方间隔损失函数的直觉模糊核匹配追踪学习机,并进一步扩展到任意非平方间隔损失函数,建立基于任意损失函数的直觉模糊核匹配追踪学习机.提出直觉模糊...     

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率.