自适应特征筛选的地雷目标AdaBoost分类器
施云飞* 宋千 金添 周智敏
国防科学技术大学电子科学与工程学院 长沙 410073
The AdaBoost Classification of Land-mine Target with Adaptive Feature Selection
Shi Yun-fei Song Qian Jin Tian Zhou Zhi-min
School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China
摘要 为解决前视地表穿透虚拟孔径雷达中地雷的分类问题,在传统AdaBoost算法的基础上,将特征选择作为弱分类器迭代的一部分,并将恒探测率下的虚警率作为特征选择的代价函数,提出一种基于弱分类器迭代及自适应特征选择的分类算法。通过实测数据验证,该分类算法适用于前视地表穿透虚拟孔径雷达中地雷与杂波的分类,同传统AdaBoost算法相比,分类性能有很大改善。
关键词 :
前视成像雷达 ,
地雷探测 ,
特征选择 ,
分类器 ,
AdaBoost
Abstract :In order to solve the land-mine classification problem on a Forward-Looking Ground Penetrating Virtual Aperture Radar (FLGPVAR), a new classification algorithm composed of weak classification iteration and adaptive feature selection is proposed. It is based on traditional AdaBoost algorithm, the feature selection is part of weak classification iterations, and the false alarm is treated as the cost function under constant detection rate. It is proved by real data that the method is applicable to the classification of land-mine and clutter on forward-looking ground penetrating virtual aperture Radar and the performance is better than traditional AdaBoost algorithm.
Key words :
Forward-looking imaging radar
Land-mine detection
Feature selection
Classification
AdaBoost
收稿日期: 2010-12-27
基金资助: 国家自然科学基金(60972121)和全国优秀博士学位论文作者专项资金(201046)资助课题
通讯作者:
施云飞
E-mail: yunfei1983@gmail.com
引用本文:
施云飞, 宋千, 金添, 周智敏. 自适应特征筛选的地雷目标AdaBoost分类器[J]. 电子与信息学报, 2011, 33(8): 1798-1802.
Shi Yun-Fei, Song Qian, Jin Tian, Zhou Zhi-Min. The AdaBoost Classification of Land-mine Target with Adaptive Feature Selection. , 2011, 33(8): 1798-1802.
链接本文:
http://jeit.ie.ac.cn/CN/10.3724/SP.J.1146.2010.01423 或 http://jeit.ie.ac.cn/CN/Y2011/V33/I8/1798
[1]
王燕,李晴,付进,梁国龙. 超短基线定位系统融合分类解模糊技术研究 [J]. 电子与信息学报, 2017, 39(6): 1348-1354.
[2]
文伟,曹雪菲,张学峰,陈渤,王英华,刘宏伟. 一种基于多极化散射机理的极化SAR图像舰船目标检测方法 [J]. 电子与信息学报, 2017, 39(1): 103-109.
[3]
王昌海, 许昱玮, 张建忠. 基于层次分类的手机位置无关的动作识别 [J]. 电子与信息学报, 2017, 39(1): 191-197.
[4]
郑超,陈杰,殷松峰,杨星,冯云松,凌永顺. 改进的协同训练框架下压缩跟踪 [J]. 电子与信息学报, 2016, 38(7): 1624-1630.
[5]
李龙,刘峥. 基于训练特征空间分布的雷达地面目标鉴别器设计 [J]. 电子与信息学报, 2016, 38(4): 950-957.
[6]
杨新武,马壮,袁顺. 基于弱分类器调整的多分类Adaboost算法 [J]. 电子与信息学报, 2016, 38(2): 373-380.
[7]
范学满,胡生亮,贺静波. 对海雷达目标识别中全极化HRRP的特征提取与选择 [J]. 电子与信息学报, 2016, 38(12): 3261-3268.
[8]
杜兰,史蕙若,李林森,孙永光,胡靖. 基于分数阶傅里叶变换的窄带雷达飞机目标回波特征提取方法 [J]. 电子与信息学报, 2016, 38(12): 3093-3099.
[9]
雷蕾,王晓丹,罗玺. 基于ROC的三元再编码研究 [J]. 电子与信息学报, 2016, 38(10): 2515-2522.
[10]
陈博, 王爽, 焦李成, 刘芳,毛莎莎, 张爽. 利用0-1矩阵分解集成的极化SAR图像分类 [J]. 电子与信息学报, 2015, 37(6): 1495-1501.
[11]
罗会兰, 钟宝康, 孔繁胜. 带权分块压缩感知的预测目标跟踪算法 [J]. 电子与信息学报, 2015, 37(5): 1160-1166.
[12]
刘家辰, 苗启广, 曹莹, 宋建锋, 权义宁. 基于混合多样性生成与修剪的集成单类分类算法 [J]. 电子与信息学报, 2015, 37(2): 386-393.
[13]
陈志锋,李清宝,张平,冯培钧. 基于聚类分析的内核恶意软件特征选择 [J]. 电子与信息学报, 2015, 37(12): 2821-2829.
[14]
张学峰, 陈渤, 王鹏辉, 刘宏伟. 一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法 [J]. 电子与信息学报, 2015, 37(1): 29-36.
[15]
闫胜业. 一种基于信息复用的Boosting瀑布型分类器高效训练方法 [J]. 电子与信息学报, 2014, 36(10): 2405-2411.