SAR目标增量识别中基于最大化非重合体积的样例挑选方法

来源：电子与信息学报杂志2024年第10期北京时间：

作者：李斌, 崔宗勇, 汪浩瀚, 周正, 田宇, 曹宗杰

单位：电子科技大学信息与通信工程学院 成都 611731

摘要：为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境，其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本，这会造成大量存储资源的浪费，同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题，该文提出基于最大化非重合体积的样例挑选方法(ESMNV)，一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题，旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先，ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS)，并使用高阶矩来表示分布。然后，它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后，结合贪心算法，ESMNV逐步选择使样例分布与目标类别分布差异最小的样例，确保在有限数量的样例情况下最大化所选样例的非重合体积。

关键词：SAR目标增量识别, 样例挑选, 非重合体积, 最大均值差异, 贪心算法

基金资助：国家自然科学基金(62271116)