论文部分内容阅读
跟踪雷达的应用日益广泛,不仅用于各种火炮控制,导弹制导,外弹道测量,卫星跟踪,突防技术研究等军事部门.一般情况下,雷达自动跟踪一个目标,而同时扫描多架航机时,针对某一目标,则会出现空白区.但是为了飞机的安全,依然需要对其继续跟踪,根据已有的少量样本预测其轨迹.
支持向量机是以统计学习理论作为坚实的理论依据,借助优化方法解决机器学习的一种新工具.支持向量机有很多优点:是一个凸二次优化问题,能够保证找到的极值解就是全局最优解;应用结构化风险最小原则,从而在统计样本量较少的情况下获得良好的统计规律和更好的泛化能力,为解决小样本,非线性,高维数等学习问题提供了一个框架.
因此,本文利用支持向量回归机对其进行轨迹预测,并利用后来观测值对其进行滤波,从而对其回归曲线进行平滑,减小误差.同时,为了避免噪声点的影响并且提高运算速度,提出了一种基于模糊支持向量机与邻近支持向量机的新算法.