基于主动学习的毫米波距离像识别算法

摘要

在毫米波距离像识别过程中,选择用于训练分类器的样本点的策略往往非常简单,比如随机选取.这些简单的策略无法充分利用已知样本的信息,使得分类器的性能差别很大.针对这一问题,将局部线性重构的主动学习算法(LLRAL)引入到训练样本的选择过程中.算法从全局样本中选择信息量最大的样本,并且在选取的过程中,借鉴了流形学习中局部重构的思想,加入局部线性重构的约束条件,使得选出的样本不仅在全局范围内具有最大的信息量,同时能够保持样本原有的局部结构.使用k-NN和SVM对不同的样本选择算法进行了仿真实验.仿真实验结果表明,在使用相同的分类算法时,该算法不仅性能稳定,而且具有更高的正确识别率.