[发明专利]一种基于流形距离表征的舰船目标分类识别算法

说明书

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种基于流形距离表征的舰船目标分类识别算法。

背景技术

舰船作为海上重要的载体，其自动检测与识别的效率如何，一定程度上关系到我军夺海战争的胜负成败。特别是近年来，随着卫星遥感技术的发展壮大，基于光学遥感图像的识别算法表现出了自身优势，引起了国内外学者的高度重视，涌现出了一系列具有一定理论参考意义及应用价值的研究成果。

一般而言，解决目标分类的关键问题在于如何聚类，而聚类最主要的因素在于目标对象间的相似度的度量，传统相似度的计算方法一般仅参考目标对象间的夹角或距离，例如余弦相似度、欧式距离。这些方法缺少对目标对象空间分布情况的分析，片面认为参与运算的特征或属性对数据的划分能力的影响效果是等同的，这显然是不符合目标对象的实际分布情况的，从而影响了目标分类的精确性。

究其分类识别的基本思想是根据提取的特征向量为类别未知的目标指派某一类别。其中，比较常见的算法有：K近邻(K-Nearest-Neighbor，KNN)、支持向量机(SupportVectorMachine，SVM)、分层判别回归(HierarchicalDiscriminantRegression，HDR)、概率生成模型(ProbabilityGenerativeModel，PGM)等方法。针对上述几种典型的分类算法，仿真对比实验表明，概率生成模型的识别效果较好。但在实际运用时，现有的这些算法都缺少对样本规模和样本相似关系衡量的全面考察。

发明内容

为了克服现有技术的不足，本发明提供一种基于流形距离表征的舰船目标分类识别算法。

本发明为解决上述技术问题所采用的技术方案是：

一种基于流形距离表征的舰船目标分类识别算法，包括以下步骤：

步骤1：在样本流形空间中，首先构建一个加权无向图G(V,E)，其中V表示顶点，它由样本集组成，E表示边集。

步骤2：假设p(V_i,V_j)为样本V_i、V_j所在的路径，又假设p为路径p(V_i,V_j)上任两个样本间的路径，p_m为路径p(V_i,V_j)上的第m个样本，由最短路径计算原理，得到流形距离的计算公式：

上式中，权值其中，为局部邻域区域内的局部反熵值，表示样本p_m+1连接中线上距离二者最近的样本点，且

步骤3：假设样本V_i的邻居节点为V_j、V_k，则根据步骤(2)定义的流形距离，若L(V_i,V_j)≤L(V_i,V_k)，则邻居节点V_j占优于V_k，记做V_j＞V_k，反之，若V_k占优于V_j，记做V_j＜V_k；

在占优关系定义的基础上，令集合V＝{V₁,V₂,V₃,…,V_i,…,V_N}，则在集合V中，若V_i＞V_i+1，则记做V_＞＝{V₁，V₂，V₃，…，V_i，…，V_N}；反之，若V_i＜V_i+1，则记做V_＜＝{V₁，V₂，V₃，…，V_i，…，V_N}。集合V_＞或V_＜就称作优势集。