• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >A Novel Method for Sea-Land Clutter Separation Using Regularized Randomized and Kernel Ridge Neural Networks
【2h】

A Novel Method for Sea-Land Clutter Separation Using Regularized Randomized and Kernel Ridge Neural Networks

机译：使用正则化随机和内核神经网络的海陆杂波分离新方法

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Classification of clutter, especially in the context of shore based radars, plays a crucial role in several applications. However, the task of distinguishing and classifying the sea clutter from land clutter has been historically performed using clutter models and/or coastal maps. In this paper, we propose two machine learning, particularly neural network, based approaches for sea-land clutter separation, namely the regularized randomized neural network (RRNN) and the kernel ridge regression neural network (KRR). We use a number of features, such as energy variation, discrete signal amplitude change frequency, autocorrelation performance, and other statistical characteristics of the respective clutter distributions, to improve the performance of the classification. Our evaluation based on a unique mixed dataset, which is comprised of partially synthetic clutter data for land and real clutter data from sea, offers improved classification accuracy. More specifically, the RRNN and KRR methods offer 98.50% and 98.75% accuracy, outperforming the conventional support vector machine and extreme learning based solutions.
机译：杂波分类，特别是在岸基雷达的背景下，在若干应用中起着至关重要的作用。然而，在历史上使用杂波模型和/或沿海地图进行区分和分类海洋杂波的任务。在本文中，我们提出了两种机器学习，特别是神经网络，基于神经网络的海上杂波分离方法，即正则化随机神经网络（RRNN）和内核脊回归神经网络（KRR）。我们使用多种特征，例如能量变化，离散信号幅度变化频率，自相关性能和相应杂波分布的其他统计特征，提高分类的性能。我们基于独特混合数据集的评估，该数据集由来自海洋的土地和真实杂波数据的部分合成杂波数据组成，提供了改进的分类精度。更具体地说，RRNN和KRR方法的准确性提供了98.50％和98.75％，优于传统的支持向量机和基于极端的学习解决方案。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号