噪声标签下融合信息分类处理和多尺度嵌入图鲁棒学习的空中目标意图识别方法

来源：电子与信息学报杂志2025年第5期北京时间：

作者：宋子豪, 周焰, 蔡益朝, 程伟, 袁凯, 黎慧

单位：空军预警学院预警情报系 武汉 430019

摘要：针对传统深度学习意图识别方法难以在噪声标签存在时获得可靠模型的问题，该文提出基于信息分类处理(ICP)网络和多尺度鲁棒学习的空中目标意图识别(ATIR)方法。首先，基于空中目标属性性质，构建基于ICP的编码器，以获得更具可分性的嵌入；随后，设计了从精细到粗糙的跨尺度嵌入融合机制，利用不同尺度的目标序列，训练多个编码器来学习判别模式；同时，利用不同尺度的互补信息，以交叉教学的方式训练每个编码器，以选择小损失样本作为干净标签；对于未选定的大损失样本，基于多尺度嵌入图和说话者-倾听者标签传播算法(SLPA)，使用干净样本的标签进行校正。在不同标签噪声类型、多级噪声水平的ATIR数据集上的实验结果表明，该方法的测试准确率和Macro F1分数显著优于其他基线方法，说明其具有更强的噪声标签鲁棒性。

关键词：深度学习, 空中目标意图识别, 信息分类处理, 噪声标签, 多尺度嵌入图学习