基于改进MKELM的红外空间锥体目标识别

打开文本图片集

摘 要：针对远距离探测时仅能获取目标的红外辐射强度序列、样本量有限、信噪比低而导致目标识别困难的问题，提出一种基于改进多核极限学习机（multiple kernel extreme learning machine， MKELM）的红外空间锥体目标识别方法。首先对红外辐射强度序列进行变分模态分解（variational mode decomposition， VMD）并重构，然后对重构序列进行时域特征提取，最后采用鲸鱼优化算法（whale optimization algorithm， WOA）优化MKELM的参数组合，在仿真生成的空间锥体目标红外辐射强度序列数据集上进行目标分类识别实验。（剩余16807字）