文件名称：论文研究-基于.pdf
文件大小：823KB
文件格式：PDF
更新时间：2022-08-11 15:30:17
增量非负矩阵分解,合成孔径雷达,目标识别,L1/2范数约束
增量非负矩阵分解（INMF）随目标样本增加逐渐更新分解模型，能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题。然而INMF在使NMF具备增量学习能力的同时，并未考虑NMF分解矩阵的稀疏性对识别性能的提升作用。针对上述问题，提出基于L1/2范数约束的增量非负矩阵分解（L1/2-INMF）算法，并应用于SAR目标识别。L1/2-INMF采用L1/2范数实时约束增量过程中的NMF分解矩阵，能够在不增加计算复杂度的同时，提升识别性能。针对MSTAR数据集的仿真实验结果表明，提出的L1/2-INMF能够解决传统非负矩阵分解方法计算代价随样本增加而增加的问题，获得了比增量非负矩阵分解更优异的识别率