基于Pinball損失函數(shù)支持向量機(jī)的極化SAR圖像魯棒分類
關(guān)鍵詞：極化sar 分類算法 魯棒學(xué)習(xí)
摘要：考慮到極化合成孔徑雷達(dá)(PolSAR)圖像標(biāo)注信息量低以及相干斑噪聲難以消除的問(wèn)題,該文從魯棒統(tǒng)計(jì)學(xué)習(xí)的角度提出了一種基于Pin-SVM的極化SAR圖像魯棒分類方法,根據(jù)極化SAR圖像的散射特性和地物的紋理特性,通過(guò)求解兩類樣本之間的最大分位數(shù)距離來(lái)確定分類超平面,在無(wú)需迭代的前提下得到更加魯棒的分類結(jié)果。相比傳統(tǒng)的基于最大間隔的極化SAR圖像分類算法,該文所提算法一方面在對(duì)極化SAR圖像提取到的特征中包含的噪聲具有更好的魯棒性,另一方面對(duì)于訓(xùn)練樣本的抽樣范圍不敏感,即重采樣具有更好的魯棒性。利用EMISAR的Foulum地區(qū)極化SAR數(shù)據(jù)進(jìn)行了算法驗(yàn)證,多種情況的對(duì)比實(shí)驗(yàn)的結(jié)果驗(yàn)證了該算法的有效性。
雷達(dá)學(xué)報(bào)雜志要求:
<一>計(jì)量單位、數(shù)字、符號(hào) 文稿必須使用法定的計(jì)量單位符號(hào)。
<二>正文標(biāo)題：文內(nèi)各級(jí)標(biāo)題題號(hào)一律頂格書寫，標(biāo)題題號(hào)分級(jí)采用1；1.1；1.1.1等標(biāo)注形式。結(jié)構(gòu)層次不宜過(guò)多，一般為二級(jí)或三級(jí)。
<三>文稿應(yīng)具嚴(yán)謹(jǐn)?shù)目茖W(xué)性，并有一定先進(jìn)性和實(shí)用性。內(nèi)容重點(diǎn)突出，文字務(wù)必簡(jiǎn)練、準(zhǔn)確、通順，字跡清楚。
<四>基金課題論文所涉及的課題如是國(guó)家或部、省、市級(jí)以上基金項(xiàng)目或攻關(guān)項(xiàng)目，應(yīng)在文題頁(yè)左下角橫線下注明“基金項(xiàng)目。
<五>引言作為論文的開場(chǎng)白，應(yīng)以簡(jiǎn)短的篇幅介紹論文的研究背景和目的，對(duì)相關(guān)領(lǐng)域內(nèi)前人所做的工作和研究進(jìn)行簡(jiǎn)要的概括。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
