一种基于多尺度卷积胶囊网络的雷达目标识别方法.pdf
Ja****20
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于多尺度卷积胶囊网络的雷达目标识别方法.pdf
本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法,利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类,融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息,在构建复杂模型的同时还优化了网络中的参数,实现更快的收敛和更高的识别性能,基于CNN获取局部结构信息的能力和Inception结构,提出了多尺度CNN结构,从多个角度详细捕捉HRRP目标的不同层次的可分信息,增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充,弥补了CNN难以体现目标HRRP序列结构信息的不足,以更
基于多尺度卷积神经网络的雷达HRRP目标识别方法.pdf
本发明公开了一种基于多尺度卷积神经网络的雷达HRRP目标识别方法,该方法首先进行预处理降低HRRP样本中的敏感性,然后后接的多尺度卷积神经网络可在保留HRRP样本内所蕴含的序列相关性同时,提取出HRRP包络中所含的信息,最后采用基于RNN的深度学习方法进行目标识别:该方法基于序列相关性进行建模,对物理结构特征进行建模描述,最后通过softmax进行分类识别。
一种基于多尺度卷积神经网络的被动水声目标识别方法.pdf
本发明公开了一种基于多尺度卷积神经网络的被动水声目标识别方法,该方法结合人工特征提取经验,将时频域幅度图和相位图作为神经网络输入,在更明显的体现目标特征的同时,将全部信息输入网络,有利用后续自适应特征提取过程;然后根据水下目标特点,设计了一种多尺度卷积神经网络进行自适应特征提取,并利用深度神经网络进行识别。在获取新的目标辐射噪声后,可对模型再次训练,使网络识别能力不断提高。
基于多尺度特征融合空洞卷积网络的手写中文识别方法.pdf
本发明属于识别方法技术领域,具体涉及基于多尺度特征融合空洞卷积网络的手写中文识别方法,使用CASIA‑HWDB1.1数据集作为模型训练与测试数据集;对数据的二值化与归一化处理;对数据标签进行处理,得到One‑Hot形式的数据标签,供网络进行训练;将数据以K折交叉方法划分为多个训练集‑测试集组合;构建识别网络;使用训练集数据对网络进行参数的优化训练;使用K折交叉得到的多个数据集获取最优模型;使用准确率、召回率与F1‑Score对模型进行评价。本发明基于深度神经网络构建了手写字识别模型,模型无需进行人工特征工
基于Transformer和时间卷积网络的雷达目标识别方法.pdf
本发明公开了一种基于Transformer和时间卷积网络的雷达目标识别方法,首先对原始HRRP样本集进行预处理;通过卷积模块对样本进行特征提取并改变数据格式;再通过基于VIT的MoCo对比学习模块,在特征空间上学习区分不同样本;之后将经过MoCo对比学习模块得到的特征,输入时间卷积模块,进一步地加强模型的表征能力,得到可分性更强的特征;最后通过全连接层将更有效的特征进行保留,最后采用softmax对网络的输出进行分类。本发明中应用引入时间卷积网络,使模型获取HRRP中更为全面的信息,进一步提高模型的特征提