基于损失加权修正的舰船目标HRRP小样本元学习识别方法

摘要：

针对现有小样本高分辨距离像(high resolution range profile,HRRP)元学习识别方法难以适应任务经验差异的问题,提出了基于损失加权修正的舰船目标元学习识别方法.该方法以元学习理论为基础,设计了基础学习器与元学习器相结合的预训练模型.由于不同的特性损失可反映出学习经验的差异程度,故基于任务损失值对元学习器的损失函数进行加权处理,以减轻不同任务的偏差影响.然后,利用预训练模型对仿真数据的学习经验,在小样本测试任务集上进行舰船目标实测HRRP的分类识别.实验结果表明,所提方法与对比模型相比,可在小样本条件下获得更佳的识别效果,具备良好的小样本分类识别能力.

关键词：舰船识别、高分辨距离像、元学习、卷积神经网络、小样本

所属期刊栏目：38

分类号：TN957.51

资助基金：国家自然科学基金;国家自然科学基金;泰山学者工程专项;山东省高等学校青创科技支持计划;基础加强计划

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2460-2468