基于毫米波雷达的机场跑道异物检测方法研究

机场跑道异物(foreign object debris, FOD)时刻威胁着飞行器的安全,机场引进异物检测系统,希望能快速、准确地检测出跑道上的各种异物,保障飞行器的飞行安全。文章针对异物检测系统在机场的特定工作环境,对基于线性调频连续波体制的毫米波雷达的异物检测系统展开研究。首先对机场跑道背景下的杂波信号进行建模分析,然后利用维纳滤波原理对杂波进行抑制,提高跑道异物的信杂比,最后基于实测数据对回波信号进行仿真给出了检测结果。结果表明该系统性能良好,在各类环境中均可达到相关部门对机场跑道异物检测系统的设计要求。     

基于毫米波雷达与图像融合的车辆检测

研究了多传感器融合技术在智能车辆上的应用,对毫米波雷达采集的数据采用多帧融合的方法过滤出有效的雷达目标,并使用张正友标定法对雷达目标和图像进行了融合处理,实验结果表明了该方法的可行性和有效性,效果明显优于传统的单视觉的车辆检测方法.     

基于MHT模型的毫米波雷达车辆检测方法

为了在智能车辆系统中检测前方车辆,该文提出了一种基于多假设跟踪(Multiplehypothesis tracking,MHT)模型的车辆检测方法。首先在多假设跟踪模型下,定义毫米波雷达量测集合与目标集合的对应关系,采用广义概率数据关联算法提取量测集合中的有效目标,从而得到有效目标集合。利用概率树模型估算目标的出现概率来维护检测的目标集合,保留稳定的检测结果。实验结果表明:该方法对于远近距离下和较差环境下黑夜灯光的前方车辆达到了准确的检测效果,克服了基于视觉的车辆检测方法对目标距离和环境光线敏感的缺点,同时在目标的保持维护上也取得了良好的效果。     

基于毫米波雷达的输电线路山火故障检测方法

在提取的红外多谱图像火点目标中,存在大量黑色杂质和边缘锯齿,导致获取的山火故障信息存在偏差,输电线路故障检测精度低.为此,提出了基于毫米波雷达技术的输电线路山火故障检测方法.首先利用红外多谱摄像仪获取山火红外多谱图像,提取火点目标后采用数学形态方法处理该图像,然后在毫米波雷达技术检测输电线山火故障过程中,通过大气模型数据标准计算大气分子系数,利用Fernald方法获取气溶胶系数,结合形态学处理后的火点目标图像得到山火位置、烟雾浓度、山火火势等信息,并发出输电线路故障警报.实验结果表明,采用本文方法检测输电线路山火故障时的准确度高达99.30%,时间消耗约为1 s,是一种高效率、高精度的输电线路山火故障检测方法.     

基于多通道补偿的毫米波雷达高速目标检测方法

目标检测是雷达的重要任务之一,利用长时间信号积累能有效提高低信噪比时的检测性能.对于高速运动目标,脉间回波存在相位差,及严重的距离走动现象,影响相参积累的效果.针对雷达系统高速运动目标检测的问题,提出一种基于多通道补偿的方法,提高毫米波雷达脉间相参积累性能.该方法将目标速度范围划分成若干区间,对每一区间设置一个补偿通道,各通道按对应速度区间的中值对输入信号进行走动校正及相位补偿,补偿后经过匹配滤波器输出;选取所有通道输出值的最大值,与预先设定的阈值的判决器进行比较,以确定有无目标.该方法与恒虚警检测结合,无需预先估计目标速度.用Matlab构造毫米波雷达发射与接收回波的模型,对接收信号进行多通道补偿高速目标检测进行了仿真.仿真结果表明,在毫米波雷达高速目标检测中,多通道补偿方法能有效的检测出微弱高速运动目标,与直接相参积累方法相比,可提高7dB的信噪比,增强毫米波雷达系统的检测性能.     

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。     

基于关联矩阵的决策树分类算法

ID3算法是决策树学习归纳和数据挖掘中的核心方法。针对ID3算法存在的多值偏向问题,该文提出了一种新的方法对ID3算法加以改进。首先建立属性的关联矩阵,然后通过计算属性的类方差选择分裂属性,结合实例说明了改进算法的基本思想。实验结果表明,改进后的算法能够构造更合理的决策树并能在一定程度上克服多值偏向。     

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣...     

基于流形的分类算法及其在毫米波雷达目标识别中的应用

针对毫米波高分辨率雷达一维距离像目标识别的多类分类问题．基于局部线性嵌入（Locally Linear Embedding,LLE）算法思想,考虑样本与其所在低维流形之间的关系,提出一种多类分类算法．该算法先确定样本所在低维流形的结构,然后通过比较未知样本与各类已知样本流形间的关系来分类．将其应用于毫米波高分辨率雷达一维距离像目标识别,实验结果表明,该算法能够有效地进行分类。性能优于其他常用多类分类算法．且对输入参数不敏感．     

一种基于多层决策树分类的入侵检测方法

分类技术在应用于入侵检测时,会因为待识别的用户行为类型的增加,造成分类性能的下降,从而影响检测的准确率。针对这一问题,本文研究了数据记录类型所存在的层次性现象,并据此提出了一种多层分类方法,以减少分类算法所需要识别的记录类型。以决策树为分类算法,使用该方法对KDD_Cup₉9数据集训练多层分类模型,取得了良好的分类性能,特别是明显改善了小比例样本的识别性能。     

基于面向对象决策树的农作物分类识别方法

文章为缓解农业遥感农作物分类识别方面的分类精度与成本、空间分辨率与识别方法之间的矛盾问题提供新的方法。以中分辨率的Landsat TM/ETM+遥感影像为主要数据源,农田系统图斑的矢量数据作为参考,面向对象方法和CART决策树算法等相结合,提出一种面向对象决策树的农作物分类识别方法。文章分别用提出的方法和传统的决策树分类方法对新疆焉耆盆地2011至2014年的各种地物进行分类识别,4年的平均分类精度92.09%(Kappa系数为0.91)。新方法不仅提高农作物分类识别的总精度,还能比较完整地保持农田作物的轮廓。该成果为中等分辨率的遥感影像以高精度的农作物分类识别、信息提取和动态监测提供可能。     

基于统计决策树的包分类算法

基于网络包分类算法在时间和空间复杂度上的限制,启发式策略一般具有较快的速度,同时在应用上具有较好的前景,提出了一种基于统计决策树的启发式包分类算法.该算法把规则头部中的每一位看作一个特征属性,因为不同位有不同的区分效果,根据对规则的统计把最具有区分意义的几位提取出来作为决策树的决策属性,使规则在子集中分布比较均匀,在子集中也做同样的处理,递归形成树形的数据结构;匹配时在树的每一层根据区分位判断其所属的子集,直到找到相匹配的规则.算法测试表明能实现高效的分类.     

基于决策树的入侵检测技术

本文针对传统的基于简单模式匹配的入侵检测技术性能低,误报率和漏报率高的问题,提出了基于决策树算法的连接记录的分析方法,描述了该算法的定义和实现,并采用KDD99的数据进行了仿真实验。实验结果表明,基于决策树算法的分析方法能有效的提高入侵检测系统的性能。     

毫米波雷达通过技术鉴定

以兵科院为首的鉴定委员会于1991年10月23日对华东工学院电子技术系研制的毫米波测速雷达进行了技术鉴定。专家们认真听取了课题组的科学技术总结报告,详细审查了     

基于决策树的多源遥感数据分类

遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子,并根据这些因子构建分类决策树。结合中分辨率多源遥感数据,对贡嘎山区进行土地覆盖分类,通过与最大似然法分析对比,基于决策树的多源数据分类对试验区的分类精度(总体精度85.71%,Kappa系数0.83)远高于基于像素的最大似然法监督分类(总体精度63.56%,Kappa系数0.58)。     

基于McDiarmid不等式的决策树分类算法

大多数处理数据流的决策树方法是基于Hoeffding不等式设计的。但是Hoeffding不等式本身只能处理数值数据流,并且在属性度量方面存在不足。为了解决这个问题,文章在Hoeffding不等式算法的基础上引入McDiarmid不等式,将二者融合并做了相应的改进作为新的属性度量选择,提出了一种基于McDiarmid不等式的新决策树分类算法,即McTree。该算法使用ε/2进行属性分类度量来提高分类性能。在真实与虚拟数据流上的实验结果表明,McTree与经典算法相比,在分类精度升高或几乎保持不变的情况下,生成树的规模明显降低。其中生成树节点数平均降低70%左右,树层数平均降低50%左右。     

基于决策树和遗传算法的模糊分类系统设计

提出一种基于决策树初始化和遗传算法优化的模糊分类系统的设计方法.该方法首先采用分类和递归树(CART)算法进行决策树的生长,树的修剪过程简化了初始决策树;然后,把修剪后的决策树转化为模糊模型,利用匹茨堡型实数编码的遗传算法优化该模糊模型.为了提高模型的解释性,在遗传算法中利用基于相似性的模型简化方法对模型进行约简.最后利用该方法对Iris问题进行研究,仿真结果验证了该方法的有效性.     

基于决策树的流数据分类算法综述

流数据是一种有别于传统静态数据的新的数据形态,随着时间的推移而不断产生,而且富含变化.流数据分类是数据挖掘的研究分支,用于发现数据中隐含的模式并实现数据的类别划分,通常将每一个类别称作概念.将传统决策树算法引入流数据分类,针对流数据的特征提出特定的分类算法,是流数据分类的一个主要研究分支.为了全面介绍基于决策树的流数据分类算法,首先,简要概述数据挖掘及主要任务、决策树及其主要算法、流数据及其主要特性;然后,按照算法是否考虑概念漂移问题,将现有工作划分为包含概念漂移的流数据分类算法和不含概念漂移的流数据分类算法两大类,分别介绍每一类算法的主要算法流程、优缺点和典型应用;最后,指出基于决策树的流数据分类的进一步研究方向.     

基于决策树算法的客户分类模型研究

分析了应用决策树算法对CRM系统中客户进行分类的一般过程,对分类的过程中的几个方面进行了优化,给出了一个改进了的基于决策树分类算法的客户分类模型。