【摘 要】
：
自动目标识别（Automatic Target Recognition,ATR）是基于传感器获取的数据识别目标的技术,能够通过模式识别、机器学习算法实现目标的类别或属性的判定,是提升传感器信息感知能力、实现传感器技术应用的关键技术之一,具有重要的研究意义。随着传感器技术的快速发展和广泛应用,海量数据被积累,而且数据量仍在不断增加。日益增多的数据必然会对目标识别能力的提升和应用范围的拓展起到积极作用
【基金项目】
：
国家自然科学基金“基于增量学习的SAR目标识别理论与方法研究”；
论文部分内容阅读
自动目标识别（Automatic Target Recognition,ATR）是基于传感器获取的数据识别目标的技术,能够通过模式识别、机器学习算法实现目标的类别或属性的判定,是提升传感器信息感知能力、实现传感器技术应用的关键技术之一,具有重要的研究意义。随着传感器技术的快速发展和广泛应用,海量数据被积累,而且数据量仍在不断增加。日益增多的数据必然会对目标识别能力的提升和应用范围的拓展起到积极作用,但也带来了增量数据的有效处理与高效利用问题。这要求识别算法能够在数据增量的过程中学习新的训练样本与目标类型,逐步适应传感器部署环境与数据分布的变化,获得更强的识别能力,完成更复杂更多样化的识别任务。为了使目标识别方法在数据不断增加状态下具有对知识的持续学习与推理更新能力,实现增量数据的有效处理和高效利用,本文通过分析军事目标识别中数据增量的特性,凝练了亟需解决的主要科学问题,深入开展了目标识别中的增量学习方法研究。论文的主要研究内容和贡献包括以下几个方面:（1）针对基于增量数据的模型局部稳健更新问题,提出了基于广义稀疏约束的增量非负矩阵分解方法。该方法从拆解目标函数入手,更新样本时仅计算新样本对应的新增部分,避免了在模型更新时重复计算已有样本。在此基础上充分考虑了目标稀疏特性,建立了具有与增量样本相关的广义范数约束项的目标函数,提升了计算样本的精度以及更新后识别模型的准确率。（2）针对数据增量过程中的显著样本选取问题,提出了基于类别边界样例挑选的增量学习方法。该方法从样本分布的局部统计和几何信息出发,利用羊群效应分别在类间重叠、边缘与内部区域挑选边界样例,同时在类别增量时重构训练数据分布,实现了边界样例集的更新。在增量学习尤其是类别增量中,边界样例集能够依托基于数据分布的分类器,以类别边界的形式整合已有数据的关键知识,提高了训练数据的利用效率,并在样例集规模固定的情况下提升了识别性能。（3）针对未知新类辨识与目标类型扩展问题,提出了基于类间极值距离的开集增量学习方法。该方法从开集风险函数出发,建立了能够量化新类发生可能性的包含概率衰减模型。为了更好的平衡已知类分类与未知新类拒识的性能,该方法以先验分布的距离范围为载体,建立了基于极值理论的开集分类概率模型,并结合边缘样例选择方法,仅使用类间极值距离完成建模,实现了开集增量学习。提出的开集增量分类器在类别增量过程中同时完成了训练类分类和新类辨识。（4）针对无标签新样本的更新价值评估问题,提出了基于分布可靠性评估的增量学习方法。该方法考虑了增量数据的分布扩展机制,通过计算局部密度差异评估新样本在已有数据“分布内”的可靠性,通过计算预测样本的类间混叠距离比评估其分类可靠性。“分布内”可靠性较低的新样本应被优先用于创建新类别,分类可靠性较低的新样本应被重新正确标注。基于可靠性评估的更新机制能够反映样本的更新价值,减少人工标注成本,提升ATR系统更新的收益。本文在自动目标识别方法中引入了基于增量学习的数据高效利用机制,在增量特征提取、样例学习、开集识别、预测可靠性评估等方面丰富了目标识别理论方法,为构建具备自主学习能力的自动目标识别系统提供了技术支撑。
其他文献
语音合成（speech synthesis,又名text-to-speech,TTS）是人机交互的重要方法之一,旨在合成清晰且自然的音频。语音合成的应用场景非常广泛,比如手机和个人电脑的语音助手、同声传译的语音输出环节、车载导航播报、新闻朗读等等。通过语音合成,可以解放用户的眼睛,使人能在“眼观”的同时还可以“耳听”,增加信息接收的带宽。最近,随着神经网络的快速发展,端到端的语音合成模型逐渐进入人
在这个信息网络高速发展的时代,神经网络作为现代人工智能技术领域不可或缺的部分已经被广泛地研究,并成功应用于各种科学和工程领域,包括信息领域、医疗领域、控制领域、交通领域等。值得注意的是,神经网络的这些实际应用在很大程度上依赖于它的动态性能。然而,由于神经元之间信号传输速度的局限性和一些外部干扰因素,时滞在神经网络的实现及应用中是普遍存在的,极有可能会导致意想不到的动态行为,如振荡、低性能、甚至不稳
基于电磁波与金属-介质复合微结构相互作用的等离子体共振传感器是一种传感性能优越、体积小、易集成的传感器件,它常表现出对环境湿度或溶液折射率、生物分子类别和浓度、入射电磁波倾斜角度的灵敏响应,在化学、生物、海洋产业领域都有潜在的应用市场。然而,等离子体共振传感器距离实际应用还存在很多问题,例如:等离子体共振传感器的制备成本高、简单结构的传感器的传感性能较低。针对以上问题,本论文首先研究低成本高输出的
随着科技的日益快速发展,传感器作为信息获取的源头,其作用和地位愈加重要。石英晶体微天平（Quartz crystal microbalance,QCM）作为一类十分重要的质量传感器,目前,在很多领域获得了广泛应用。本文以QCM传感器质量灵敏度的关键技术为研究对象,通过深入研究QCM的传感机理,并结合有限元仿真技术,揭示了决定QCM传感器质量灵敏度的关键因素,提出了通过优化电极结构设计来提高QCM传
随着世界各国经济和科学技术的飞跃发展,移动机器人的应用领域越来越广泛,其应用场景也从室内环境拓展到了各种复杂环境,如野外、水下、空中甚至外太空等。目前,对于复杂环境的机器人系统仍存在许多尚待研究的课题。本文针对环境全局信息已知、地面崎岖不平的复杂环境条件下的轮式机器人的路径规划和轨迹跟踪控制技术进行研究。本文建立了崎岖地面的环境模型,针对曲面路径规划算法的时间复杂度改进问题,提出了多尺度技术。针对
机器学习是大数据处理的常用工具之一。然而,依靠单个计算节点的计算能力处理大规模的数据集,不能在可接受的时间范围内将模型训练到满意的精度。通常采用多个计算节点来实现数据并行训练。每个计算节点迭代式地处理部分数据集,每次迭代都要通过网络与其他计算节点同步模型的信息,保证训练的正确性。由于模型规模通常在数百兆至数千兆字节之间,每个计算节点每次迭代都要交互等同于模型大小的数据量,例如模型的参数或者梯度,使
近几年来,忆阻器作为一种新兴的电子元件在非易失存储和神经仿生方面都有重要的应用。忆阻器是具有电容结构,能够被多次写入和非破坏性读取的二端器件,它是下一代存储器的有力竞争者。除了作为存储器件,忆阻器作为一种具有可调整状态的二端器件,与生物突触具有高度的相似性,基于忆阻器的大规模神经网络有望实现类脑计算系统,在生物神经仿生领域也具有很高的研究价值。神经网络已经具有几十年的研究历史,近年来由于深度神经网
高灵敏、快速和低成本的生物标志物检测在重大疾病的早期诊断中具有重要意义。但现有的光学传感器尚不能达到疾病早期诊断的要求,主要存在三个方面的瓶颈问题。（1）光和物质相互作用弱,难以实现高灵敏传感;（2）传感器制备重复性差,难以实现高灵敏的一次性使用;（3）步骤繁琐,难以实现快速检测。因此,如何同时实现一次性、高灵敏和快速的生化传感成为光学传感领域亟待解决的关键问题。针对上述瓶颈问题,本论文利用光微流
随着自动化技术的发展,工业机器人以其高效、低成本、重复性好等优点,在汽车制造、电子电气和航空航天等现代工业生产中得到了广泛的应用。在这些应用中,运动精度作为关键的性能指标,是工业机器人完成操作任务的重要保证。然而,由于工业机器人结构中制造误差、关节间隙、弹性变形等不确定性因素的影响,末端执行器实际的运动远未达到高精度、高可靠的性能要求。因此,精确地分析和评估工业机器人的运动精度可靠性,是确保其在工
装备制造业是一个国家工业化发展程度的重要标志。数控机床,作为装备制造业的“工作母机”,是不可缺少的“生产工具”。五轴数控机床作为高端机床的代表,由于具备两个旋转轴,拥有更好的加工柔性、更高的加工效率等优点,但同时也引入了更多的误差影响,刀具运动也更加复杂。研究五轴机床误差的作用机理,并进行检测与补偿,对提高五轴机床的加工精度具有十分重要的意义。本文以五轴联动数控机床为研究对象,考虑机床精度在几何误