《雷达学报杂志》发表论文赏析

一种基于Dropout约束深度极限学习机的雷达目标分类算法

来源:雷达学报杂志2018年第5期北京时间:

作者:赵飞翔, 刘永祥, 霍凯

单位:国防科技大学电子科学学院   长沙   410073;

摘要:雷达目标分类在军事和民用领域发挥着重要作用。极限学习机(Extreme Learning Machine, ELM)因其学习速度快、泛化能力强而被广泛应用于分类任务中。然而,由于其浅层结构,ELM无法有效地捕获数据深层抽象信息。虽然许多研究者已经提出了深度极限学习机,它可以用于自动学习目标高级特征表示,但是当训练样本有限时,模型容易陷入过拟合。为解决此问题,该文提出一种基于Dropout约束的深度极限学习机雷达目标分类算法,在雷达测量数据上的实验结果表明所提算法在分类准确率上达到93.37%,相较栈式自动编码器算法和传统深度极限学习机算法分别提高了5.25%和8.16%,验证了算法有效性。

关键词:极限学习机, 深度学习, Dropout约束, 雷达目标分类, 栈式自动编码器

基金资助:国家自然科学基金(61422114,61501481),湖南省杰出青年科学基金(2015JJ1003)

2018年5期其他文献查阅:

微动目标雷达特征提取、成像与识别研究进展

基于RID序列的微动目标高分辨三维成像方法

基于双雷达微动特征融合的无人机分类识别

基于卷积神经网络的海上微动目标检测与分类方法

基于跟踪脉冲的MIMO雷达多目标微动特征提取

数字电视外辐射源雷达多旋翼无人机微多普勒效应实验研究

正弦调频Fourier-Bessel变换及其在微动目标特征提取中的应用

用于SAR与通信一体化系统的滤波器组多载波波形

一种基于Dropout约束深度极限学习机的雷达目标分类算法

基于FCNN和ICAE的SAR图像目标识别方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!