-
题名基于最小有向包围盒的神经网络信号开集识别方法
- 1
-
-
作者
阮中波
陈泽
周良臣
孙秀斌
-
机构
成都信息工程大学电子工程学院
-
出处
《成都信息工程大学学报》
2025年第3期313-317,共5页
-
文摘
神经网络存在固有缺陷,即在神经网络训练完成后,将训练集中没有的未知分类数据输入已经训练完成的神经网络时,会强行对未知分类数据进行已知分类而不是将其划分为未知分类。与传统的基于样本均值的算法不同,结合多维数据聚类算法提出一种基于核密度估计和最小有向包围盒算法的神经网络开集识别算法。算法能更好地表示神经网络输出特征量空间的密度分布,并在此基础上压缩特征量空间表示范围,提高分类未训练样本的准确率。实验证明,新算法在样本覆盖率100%的原始空间中的分类准确率达到98%,优于传统算法。
-
关键词
神经网络
开集识别
核密度估计
最小有向包围盒
-
Keywords
neural network
open set recognition
kernel density estimation
minimum directed bounding box(OBB)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名多种无人机的卷积网络识别方法
- 2
-
-
作者
阮中波
廖小文
-
机构
成都信息工程大学电子工程学院
-
出处
《长江信息通信》
2024年第5期58-60,64,共4页
-
文摘
传统的无人机信号识别方法存在着识别精度不高、对复杂环境下信号的适应性差、速度慢等问题,采用基于卷积神经网络(CNN)的无人机信号自动识别方法对无人机采集信号的真实数据进行预处理,进而建立了卷积神经网络的多层模型。通过实验结果表明,在7dB时除了御2以外,所有信号的准确率都在90%以上,在10dB时,御2识别率也到达了90%。因此,使用CNN在识别6种无人机信号方面表现出了较高的准确性和鲁棒性。相比之前的识别方法,这种方法提高了识别精度、适应复杂环境下信号的能力,并加快了识别速度。
-
关键词
卷积神经网络
信号处理
调制识别
-
Keywords
Convolutional neural network
Signal processing
Modulation recognition
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
