Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Cognitive Radio Interference Modeling and Application on Fading Channels Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

13. Optimal Multiple Kernel Local Discriminant Embedding for SAR ATR

verfasst von : Hao Han, Yulin Huang, Xiaojia Liu, Jianyu Yang, Jifang Pei

Erschienen in: The Proceedings of the Third International Conference on Communications, Signal Processing, and Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Feature extraction is a crucial step in synthetic aperture radar (SAR) automatic target recognition (ATR). This paper proposes a new feature extraction algorithm named optimal multiple kernel local discriminant embedding (OMKLDE). Based on kernel local discriminant embedding (KLDE), OMKLDE introduces multiple kernel functions and constructs an optimal model. Under this model, we use optimal method to obtain the expected mapping, which enhances interclass separability and maintains intraclass compactness, and more important, solves the parameter selecting problem in kernel trick. Experimental results based on MSTAR database show that the proposed method improves the stability and accuracy of recognition effectively.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Improved Routing Discovery Algorithm Based on the Relative Position Information in the Zigbee Networks
Nächstes Kapitel Cubature Kalman Filter Based on Strong Tracking
Literatur
1.
Turk M, Pentland A (1991) Eigenfaces for recognition. J Cogn Neurosci 3(1):71–86CrossRef
2.
Belhumeur PN, Hespanha JP, Kriegman D (1997) Eigenfaces vs. fisherfaces: recognition using class specific linear projection. IEEE Trans Pattern Anal Mach Intell 19(7):711–720CrossRef
3.
Scholkopf B, Smola A, Müller KR (1999) Kernel principal component analysis. In: Advances in kernel methods-support vector learning, Citeseer. MIT, Cambridge
4.
Scholkopft B, Mullert KR (1999) Fisher discriminant analysis with kernels
5.
Seung HS, Lee DD (2000) The manifold ways of perception. Science 290(5500):2268–2269CrossRef
6.
Roweis ST, Saul LK (2000) Nonlinear dimensionality reduction by locally linear embedding. Science 290(5500):2323–2326CrossRef
7.
Belkin M, Niyogi P (2001) Laplacian eigenmaps and spectral techniques for embedding and clustering. Neural Inf. Process. Syst. 14:585–591
8.
He X, Niyogi P (2003) Locality preserving projections. Neural Inf. Process. Syst. 16:234–241
9.
Chen HT, Chang HW, Liu TL (2005) Local discriminant embedding and its variants. In: IEEE computer society conference on computer vision and pattern recognition (CVPR) 2005, vol 2, pp 846–853
10.
Lin YY, Liu TL, Fuh CS (2011) Multiple kernel learning for dimensionality reduction. IEEE Trans Pattern Anal Mach Intell 33(6):1147–1160CrossRef
11.
Lanckriet GR, Cristianini N, Bartlett P, Ghaoui LE, Jordan MI (2004) Learning the kernel matrix with semidefinite programming. J Mach Learn Res 5:27–72MATH
Metadaten
Titel
Optimal Multiple Kernel Local Discriminant Embedding for SAR ATR
verfasst von
Hao Han
Yulin Huang
Xiaojia Liu
Jianyu Yang
Jifang Pei
Copyright-Jahr
2015
Buch
The Proceedings of the Third International Conference on Communications, Signal Processing, and Systems

Print ISBN: 978-3-319-08990-4

Electronic ISBN: 978-3-319-08991-1

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-08991-1_13

Neuer Inhalt

    Bildnachweise