典型文献
基于虚警可控梯度提升树的海面小目标检测
文献摘要：
高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree,GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明:本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13％以上.
文献关键词：
海杂波;小目标检测;梯度提升树;高维特征
中图分类号：
作者姓名：
刘安邦;施赛楠;杨静;曹鼎
作者机构：
南京信息工程大学 江苏省气象探测与信息处理重点实验室,南京,210044;南京船舶雷达研究所,南京,210003
文献出处：
引用格式：
[1]刘安邦;施赛楠;杨静;曹鼎-.基于虚警可控梯度提升树的海面小目标检测)[J].南京信息工程大学学报,2022(03):341-347
A类：
B类：
梯度提升树,海面小目标检测,目标探测,探测性能,高维空间,分类器设计,Gradient,Boosting,Decision,Tree,GBDT,特征检测方法,测向,时频域,高维特征向量,检测问题,问题转换,二分类问题,回波,训练样本,非均衡,概率预测,统计量,IPIX,数据验证,检测器,海杂波
AB值：
0.326491
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
