机译:基于CNN级联特征和Adaboost旋转林的SAR目标小样本识别
Beijing Univ Chem Technol Coll Informat Sci & Technol Beijing 100029 Peoples R China;
Beijing Univ Chem Technol Coll Informat Sci & Technol Beijing 100029 Peoples R China;
Beijing Univ Chem Technol Coll Informat Sci & Technol Beijing 100029 Peoples R China;
Beijing Univ Chem Technol Coll Informat Sci & Technol Beijing 100029 Peoples R China;
Beijing Univ Chem Technol Coll Informat Sci & Technol Beijing 100029 Peoples R China;
Feature extraction; Training; Synthetic aperture radar; Forestry; Target recognition; Radio frequency; Decision trees; AdaBoost; convolutional neural network (CNN); ensemble learning; rotation forest (RoF); synthetic aperture radar (SAR); target classification;
机译:FEC:基于电磁散射特征和深层CNN特征的SAR目标识别特征融合框架
机译:SAR图像中基于多尺度旋转不变Haar-Like特征集成CNN的多目标环境舰船检测算法
机译:一种改进的具有新识别功能的AdaBoost算法,用于高分辨率SAR目标识别
机译:基于CNN的SAR大规模样本快速训练目标识别方法。
机译:基于松弛的SAR目标特征提取和成像方法。
机译:使用基于Adaboost的特征选择通过SAR和IR传感器融合进行可靠的地面目标检测
机译:基于矩不变性和Cascade AdaBoost分类器的绝缘子识别
机译:使用adaboost进行人脸表情识别的特征选择