机构名称：
¥ 1.0
基于卫星的合成孔径雷达（SAR）采集中唤醒特征的可检测性取决于描述检测过程中当前情况的各种物理参数。SAR中的船舶唤醒签名是复杂的结构，该结构由多个唤醒组件组成，这些尾流组件的出现不同，具体取决于当前的检测情况。对这些唤醒组件的可检测性有影响的物理参数称为影响参数。尽管几十年以来就开发了自动检测唤醒的各种方法，但没有系统地分析尾流组合和影响参数之间的可检测性与影响参数之间的依赖性。在这项研究中，将机器学习应用于对所有受影响参数的所有尾流组件之间的依赖性建模。分析机器学习模型的组成，以得出有关影响参数和唤醒组件的可检测性之间物理关系的陈述。对于这种类型的应用程序，引入了可检测性的优点和衍生陈述不确定性的措施。基于SAR图像中的船舶唤醒及其可检测性的模拟和/或物理减免的文献形成对比。
使用机器学习对船的唤醒可检测性
主要关键词
相关文件推荐
