摘要
本发明公开了一种基于多维电磁散射参数的XGBoost昆虫种类辨识方法,旨在提供一种高精度的昆虫种类识别解决方案,以有效解决昆虫雷达在迁飞昆虫识别方面的低效问题。该方法通过对昆虫的极化散射矩阵(Scattering Matrix,SM)进行计算,提取22维电磁散射特征,包括11维极化方向图特征、4维RCS幅度特征、2维散射矩阵差分特征和5维极化不变量特征。在昆虫样本量较少或不均衡的情况下,采用高斯数据增强手段进行数据集的扩充;随后,运用XGBoost算法对扩充后的数据集进行训练和测试。
技术关键词
电磁散射参数
辨识方法
XGBoost模型
散射特征
特征值
变量
样本
雷达
相位特征
数据
发射天线
平方根
定义
矩阵
功率
算法
系统为您推荐了相关专利信息
金融数据处理方法
深度学习模型
注意力机制
样本
金融数据处理系统
融合数据驱动
状态评估方法
设备状态预测
XGBoost模型
收集设备
PCA算法
电池状态预测方法
数据
协方差矩阵
深度学习模型
数据备份系统
数据压缩
容器
特征值
非暂态计算机可读存储介质