张向荣;杨，春;焦立成 基于拉普拉斯正则化最小二乘分类的半监督SAR目标识别。 （中文。英文摘要） Zbl 1224.68137号 J.软件。 21，第4期，586-596（2010）. 摘要：提出了一种基于核主成分分析和拉普拉斯正则化最小二乘分类的合成孔径雷达（SAR）目标识别方法。KPCA特征提取方法不仅可以提取目标的主要特征，而且可以有效地降低输入维数。拉普拉斯正则最小二乘分类是一种半监督学习方法。在目标识别过程中，训练集被视为带标签的样本，测试集则被视为无标签的样本。由于在学习过程中考虑了测试样本，因此获得了较高的识别精度。在MSTAR（动、静态目标捕获与识别）SAR数据集上的实验结果表明，该算法具有良好的性能和对方位间隔的鲁棒性。与模板匹配、支持向量机和正则化最小二乘学习方法相比，该方法获得了更好的SAR目标识别精度。此外，还分析了不同条件下标记点数对目标识别性能的影响。 MSC公司： 68吨10 模式识别、语音识别 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：核主成分分析;半监督学习;目标识别 PDF格式BibTeX公司 XML格式引用 \textit{X.Zhang}等人，J.Softw。21，第4号，586--596（2010；Zbl 1224.68137） 全文： 内政部