10.3969/j.issn.1001-2400.2018.05.028
一种改进的卷积神经网络SAR目标识别算法
针对卷积神经网络在标签数据不足条件下易发生的过拟合现象及噪声条件下的合成孔径雷达目标识别问题,提出了一种改进的卷积神经网络目标识别算法.首先利用数据增强技术扩增训练集,以提高网络泛化能力;其次利用零相位成分分析对目标进行特征提取,得到一组特征集对卷积神经网络进行预训练.为优化网络结构,防止过拟合现象,在网络中采用了修正线性单元 、Dropout、正则化 、单位卷积核等稀疏性技术.实验表明,算法对各类目标及其变形目标子类具有较好的识别性能,并对噪声有较强的鲁棒性,是一种有效的目标识别算法.
卷积神经网络、合成孔径雷达、数据增强、修正线性单元
45
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61302153,61471370;航空科学基金资助项目20160196001
2018-11-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
177-183
