结合SVM和DS 证据理论的多极化HRRP 分类研究

针对雷达目标一维距离像(HRRP) 识别问题, 结合支持向量机(SVM) 和DS 证据理论提出一种多极化 HRRP 分类方法—–SDHRRP. 该方法通过混淆矩阵获取基分类器之间的距离, 从而根据基分类器对不同目标类的 分类能力给其赋予不同的可信度. 将该可信度值与SVM后验概率结合到DS 证据理论的基本概率赋值(BPA) 中, 以实现SVM和DS 证据理论在目标识别中的有效结合. 对实测目标数据的实验结果表明, 基于分类器可信度得到 的BPA能够有效避免证据冲突, SDHRRP 方法可以有效降低融合分类的误差率.