-
题名基于栈式降噪稀疏自动编码器的雷达目标识别方法
被引量：12
- 1
-
-
作者
赵飞翔
刘永祥
霍凯
-
机构
国防科学技术大学电子科学与工程学院
-
出处
《雷达学报（中英文）》
CSCD
2017年第2期149-156,共8页
-
基金
国家自然科学基金优秀青年基金(61422114)
湖南省杰出青年科学基金(2015JJ1003)~~
-
文摘
雷达目标识别中特征提取是关键步骤,所提取特征的好坏决定着识别效果的优劣,但传统特征提取方法很难发掘目标数据深层次本质特征。深度学习理论中的自动编码器模型能够用数据去学习特征,获得数据不同层次的特征表达。同时为消除噪声影响,该文提出一种基于栈式降噪稀疏自动编码器的雷达目标识别方法,通过设置不同隐藏层数和迭代次数,从雷达数据中直接高效地提取识别所需的各层次特征。暗室仿真数据实验结果验证了该方法较K近邻分类方法及传统栈式自编码器有更好的识别效果。
-
关键词
目标识别
深度学习
栈式降噪稀疏自动编码器
-
Keywords
Target recognition
Deep learning
Stacked denoising sparse autoencoder
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于改进LDA和自编码器的调制识别算法
被引量：3
- 2
-
-
作者
郭业才
张浩然
-
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2021年第2期494-500,共7页
-
基金
国家自然科学基金(61673222,61371131)
江苏省高校自然科学研究重大项目(13KJA510001)
江苏高校品牌专业建设项目(PPZY2015B134)。
-
文摘
传统调制识别算法是基于高斯白噪声信道的,在复杂信道条件下识别性能明显下降。针对此问题,提出基于抗混淆线性判别分析A-ALDA (Anti-alias Linear Discriminant Analysis)和堆叠稀疏降噪自编码器SSDAE (Stacked Sparse Denoising Autoencoders)的调制识别算法。该算法中,A-ALDA算法将信号累积量特征重构为新的特征,这些特征具有更优的分离性能;将原始特征与新特征输入SSDAE进行分类,SSDAE具有提取关键信息和抗噪声的能力。结果表明,本文算法的识别准确率高于已有的算法;并且在有限信号长度条件下和相位、频率误差干扰情况下,识别准确率均有提高。
-
关键词
复杂信道
抗混淆线形判别分析
稀疏降噪自动编码器
高阶累积量
-
Keywords
complex channels
anti-alias linear discriminant analysis
sparse denoising autoencoders
high order cumulants
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进深度置信网络的电力系统暂态稳定评估研究
被引量：14
- 3
-
-
作者
蔡国伟
张启蒙
杨德友
孙颖
-
机构
东北电力大学电气工程学院
-
出处
《智慧电力》
北大核心
2020年第3期61-68,共8页
-
基金
国家自然科学基金资助项目(51877032)。
-
文摘
为了提高深度置信网络的评估性能,提出一种基于稀疏降噪自动编码器和深度置信网络相结合的暂态稳定评估方法。首先,构建一组对系统暂态变化敏感且维数与系统规模无关的原始输入特征;其次,通过稀疏降噪自动编码器的无监督学习过程提取输入特征,用得到的权值和偏置初始化深度置信网络;最后,采用“预训练-微调”2种学习方法训练深度置信网络,获得原始输入特征与系统暂态稳定结果之间的映射关系。与采用随机初始化受限玻尔兹曼机的传统深度置信网络相比,本文提出的改进评估方法在一定程度上克服了由于随机初始化导致评估准确率无法达到最优的弊端。在新英格兰10机39节点系统上的仿真结果表明,该方法比常用的机器学习算法和深度置信网络有更好的评估性能,仿真结果还证明了本文所提方法具有良好的特征提取能力。
-
关键词
稀疏降噪自动编码器
深度置信网络
暂态稳定评估
深度学习
-
Keywords
sparse denoising auto-encoder
deep belief network
transient stability assessment
deep learning
-
分类号
TM712
[电气工程—电力系统及自动化]
-
