无穷受限玻尔兹曼机在雷达图像识别上的应用 以及美国空军的SAR图像数据库MSTAR简介

本人的博士课题是利用机器学习的一些方法来处理雷达图像（SAR，ISAR，HRRP）。前期的重心一直放在了机器学习的模型和算法上面，也有了一点点小的成果。我研究的模型是一种受限玻尔兹曼机（Restricted Boltzmann Machine, RBM）.具体来说是一种无穷受限玻尔兹曼机（infinite RBM）. 这中模型能够对高维数据的概率分布建模，模型中的隐藏单元（hidden units）能够学习数据中的一些结构，从而提取数据的特征。

 

为什么要使用RBM作为雷达图像的特征学习呢？我有这么几点考虑：

 

1. RBM能够表示很复杂的高维数据的分布，雷达图像的分布会随着目标的姿态发生变化，这种变化是具有一定规律的，但又取决与具体的目标，要描述这一规律是困难的。RBM可以根据数据来学习这一规律。

2.雷达数据的训练集往往比较小，而且会变化。因而我们需要小心的选取模型的复杂度来防止过拟合。而 infinite RBM 是一种非参数模型（non-parametric model），它能根据数据自动确定模型复杂度，防止过拟合发生。

3. RBM兼具通用性和灵活性的特点，我们可以利用特定领域的知识来设计特殊的模型结构，这样它就能更有效的学习特定类型的数据。

 

我已经完成的主要工作总结：

 

1. On better training the infinite restricted Boltzmann machines.点击打开链接

这篇文章提出了一种简单有效的提高 infinite RBM 训