期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法
被引量：
7
1
作者
朱克凡
王杰贵
《系统工程与电子技术》
EI
CSCD
北大核心
2020年第1期67-75,共9页
现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络(strengthening condition generative adversarial network,SCG...
现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络(strengthening condition generative adversarial network,SCGAN)+卷积神经网络(convolutional neural network,CNN)的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。
展开更多
关键词
低分辨雷达目标
识别
一步识别算法
卷积神经网络
生成对抗网络
在线阅读
下载PDF
职称材料
基于卷积神经网络的低分辨雷达目标一步识别技术
被引量：
3
2
作者
朱克凡
王杰贵
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2019年第5期83-89,共7页
现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的...
现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。
展开更多
关键词
低分辨雷达目标
识别
一步识别算法
卷积神经网络
在线阅读
下载PDF
职称材料
题名
小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法
被引量：
7
1
作者
朱克凡
王杰贵
机构
国防科技大学电子对抗学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2020年第1期67-75,共9页
文摘
现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络(strengthening condition generative adversarial network,SCGAN)+卷积神经网络(convolutional neural network,CNN)的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。
关键词
低分辨雷达目标
识别
一步识别算法
卷积神经网络
生成对抗网络
Keywords
low-resolution radar target recognition
one-step recognition algorithm
convolutional neural network(CNN)
generative adversarial network
分类号
TN959.1 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的低分辨雷达目标一步识别技术
被引量：
3
2
作者
朱克凡
王杰贵
机构
国防科技大学电子对抗学院
出处
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2019年第5期83-89,共7页
基金
预研基金项目(9140C100404120C1003)
文摘
现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。
关键词
低分辨雷达目标
识别
一步识别算法
卷积神经网络
Keywords
low-resolution radar target recognition
one-step recognition algorithm
Convolution Neural Network
分类号
TN957.52 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法
朱克凡
王杰贵
《系统工程与电子技术》
EI
CSCD
北大核心
2020
7
在线阅读
下载PDF
职称材料
2
基于卷积神经网络的低分辨雷达目标一步识别技术
朱克凡
王杰贵
《空军工程大学学报（自然科学版）》
CSCD
北大核心
2019
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
