角反射体是一类重要的军用雷达目标，也是一种重要的无源干扰器材。本书总结了作者基于集成学习的角反射体雷达目标识别方法的研究成果，共由6章构成。第1章，介绍了角反射体目标概况，分析了角反射体的雷达目标特性及其RCS快速预估算法。第2章，介绍了全极化高分辨率距离像的特征提取与优选，构建起角反射体与舰船目标混合分类识别数据集。第3章，介绍了集成学习的基本理论。第4章，介绍了基于静态分类器集成的角反射体目标雷达识别方法。第5章，介绍了基于动态分类器集成的角反射体目标雷达识别方法。第6章，对4种分类器集成算法进行了对比研究。
本书主要读者对象为从事电子对抗、雷达工程等相关专业的科研、教学人员，也可作为相关专业本科生和研究生的学习参考资料。

第1章 角反射体目标概况
1.1 引言
1.2 角反射体的发展与应用现状
1.3 角反射体的雷达目标特性
1.3.1 角反射体的RCS经典公式
1.3.2 电磁仿真软件
1.3.3 角反射体的RCS频率特性
1.3.4 角反射体的RCS极化特性
1.3.5 角反射体的高分辨率距离像
1.3.6 异型角反射体的雷达目标特性
1.4 角反射体RCS快速预估
1.4.1 基于改进GO/AP法的三面角反射体RCS预估
1.4.2 角切除和角度公差对三面角反射体RCS的影响
1.4.3 角反射体群和异型角反射体的RCS快速预估
1.5 小结
参考文献
第2章 全极化高分辨率距离像的特征提取与优选
2.1 引言
2.2 异型角反射体布放阵列寻优
2.2.1 基于RCS幅值特性的异型角反射体阵列寻优
2.2.2 基于HRRP的异型角反射体阵列寻优
2.3 全极化HRRP的特征提取
2.3.1 全极化HRRP数据集建立
2.3.2 特征提取
2.4 全极化HRRP的特征优选
2.4.1 全极化HRRP特征的有效性分析
2.4.2 基于归一化互信息的特征选择算法
2.4.3 特征优选
2.5 小结
参考文献
第3章 集成学习的基本理论
3.1 引言
3.2 集成学习的框架
3.3 分类器输出的类型
3.4 集成学习的有效性分析
3.4.1 有效性的内部条件
3.4.2 有效性的外部原因
3.4.3 一个分类器集成的例子
3.4.4 集成学习在雷达目标识别中的适应性分析
3.5 集成学习的多样性
3.5.1 多样性的重要性
3.5.2 多样性度量方法
3.5.3 多样性度量方法的集成间隔解释
3.6 集成学习的主要类别
3.6.1 静态分类器集成
3.6.2 动态选择集成
3.7 小结
参考文献
第4章 基于静态分类器集成的角反射体目标雷达识别方法
4.1 引言
4.2 基于元学习的角反射体目标雷达识别算法
4.2.1 基分类算法的选择
4.2.2 基于元学习的目标识别算法
4.2.3 元学习系统的参数寻优
4.3 基于集成间隔优化的角反射体目标雷达识别算法
4.3.1 集成间隔定义
4.3.2 分类器权值和样本权值计算
4.3.3 基于集成间隔优化的静态选择集成算法
4.3.4 SSE-MO的参数寻优
4.4 小结
参考文献
第5章 基于动态分类器集成的角反射体目标雷达识别方法
5.1 引言
5.2 基于聚类和随机参考分类器的角反射体目标雷达识别算法
5.2.1 基于多样性度量的k-medoids聚类
5.2.2 基于RRC的分类器竞争力度量
5.2.3 KMRRC动态集成选择算法
5.2.4 KMRRC的参数寻优
5.3 基于混合集成选择的角反射体目标雷达识别算法
5.3.1 基于NSGAⅡ的集成分类器静态优选
5.3.2 元分类器的训练与动态选择
5.3.3 ODS混合分类器集成选择算法
5.3.4 ODS的参数寻优
5.4 小结
参考文献
第6章 4种分类器集成算法的对比研究
6.1 引言
6.2 理想情况下的对比研究
6.3 复杂条件下的对比研究
6.3.1 类别噪声的影响
6.3.2 小样本集的影响
6.3.3 库外目标的影响
6.3.4 3种因素的共同影响
6.4 小结
参考文献