欢迎访问一起赢论文辅导网
本站动态
联系我们

手机:153 2730 2358
邮箱:910330594@QQ.COM

Q Q:
910330594
网址:http://www.17winner.com
工作时间:
9:00-24:00  

本站动态
当前位置:首页 > 本站动态
二、三区SCI+一篇北大核心期刊转让
来源:一起赢论文网     日期:2017-09-27     浏览数:2390     【 字体:

 

二区刊物remote sensing 影响因子3.3 录用在一个半月

 

 SCI的可以投电子信息类的、遥感类、图像处理模式识别等;

北大核心的可以投电子信息类的期刊,现代雷达、火力指挥与控制、计算机仿真、计算机工程与应用,电子技术等。

目前仅此两篇,欲购请尽快联系站长!非诚勿扰。

QQ 910330594  TEL 15327302358

一起赢论文辅导网(http://www.17winner.com)

 

 

三区 remote sensing letters 影响影子1.58 SCI核心收录 
 Block Sparse Bayesian Learning over Local Dictionary for Robust SAR Target Recognition
Abstract. This paper proposes a synthetic aperture radar (SAR) target recognition method based on block sparse Bayesian learning (BSBL) over local dictionary. The traditional sparse representation-based classification (SRC) operates on the global dictionary collaborated by different classes. Then the distances between the test sample to various classes are evaluated by the reconstruction errors. This paper reconstruct the test sample over local dictionaries of individual classes. Considering the azimuthal sensitivity of SAR images, the linear coefficients on the local dictionary are sparse ones with block structure. Therefore, to solve the sparse coefficients, the BSBL is employed. The proposed method can better exploit the representation capabilities of individual classes thus benefiting the recognition performance. To validate the effectiveness and robustness of the proposed method, experiments are conducted on moving and stationary target acquisition and recognition (MSTAR) dataset.  

 

 

 

 

 

 

[返回]
上一篇: 计算机SCI三区刊物转让
下一篇:SCI期刊组稿,3个月内100%录用!出版时间快!