-
题名基于反向标定合成数据的改进集成算法
被引量：1
- 1
-
-
作者
韩敏
朱新荣
-
机构
大连理工大学电子信息与电气工程学部
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2011年第6期1475-1480,共6页
-
基金
国家科技支撑计划(2006BAB14B05)资助课题
-
文摘
面对获得的数据量越来越多,需要处理的数据类型也不尽相同,因此就需要寻找一种具有较好泛化性能和较高分类精度的算法。该文提出一种通过借用反向扩充训练数据样本对输入数据类型的不敏感性和径向基函数网络模型快速学习的能力来进行集成的混合算法。采用渐进P值作为受试者特征曲线下面积与0.5判断冗余特征的标准,将反向标定合成的新数据对分类器进行训练,通过比较训练误差的变化来决定新分类器的添加,最终以绝大多数投票方法对所有的分类器进行决策融合。最后以UCI数据为实验,结果表明该算法可以较好地适应于不同数据类型,得到比其它集成算法更高的分类精度。
-
关键词
集成算法
径向基函数神经网络
反向扩充训练数据样本
投票法
ROC曲线
-
Keywords
Ensemble algorithm
Radial Basis Functions Neural Network （RBFNN）
Diversity Ensemble Creation by Oppositional Relabeling of Artificial Training Examples （DECORATE）
Vote
Receiver Operator Characteristic （ROC） curve
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于卷积神经网络的SAR图像目标检测算法
被引量：45
- 2
-
-
作者
杜兰
刘彬
王燕
刘宏伟
代慧
-
机构
西安电子科技大学雷达信号处理国家重点实验室
西安电子科技大学信息感知技术协同创新中心
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2016年第12期3018-3025,共8页
-
基金
国家自然科学基金(61271024
61322103
+2 种基金
61525105)
高等学校博士学科点专项科研基金博导类基金(20130203110013)
陕西省自然科学基金(2015JZ016)~~
-
文摘
该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network,CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型,用于对候选区域提取网络和目标检测网络做参数初始化;然后利用完备数据集对训练数据集做扩充;最后通过"四步训练法"得到候选区域提取模型和目标检测模型。实测数据的实验结果证明,所提方法在SAR图像目标检测中可以获得较好的检测效果。
-
关键词
合成孔径雷达
目标检测
卷积神经网络
训练数据扩充
-
Keywords
SAR
Target detection
Convolutional Neural Network （CNN）
Training data augmentation
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
