10.13465/j.cnki.jvs.2021.24.007
基于堆栈稀疏去噪自编码器神经网络的舰船辐射噪声目标识别算法研究
传统的特征提取算法往往依赖于算法设计者的先验知识,没有突出大数据的优势,所以在实际应用中分类正确率较差且对于不同应用场景的泛化能力也明显不足.使用深度学习算法进行舰船辐射噪声的特征提取,利用了大量无类标数据,使用堆栈稀疏自编码器算法训练特征提取神经网络,并使用Softmax分类器算法利用有类标数据对特征提取神经网络进行参数微调.应用SSDAE-Softmax算法以及主成分分析算法、线性判别分析算法以及局部线性嵌入算法三类机器学习算法对海试数据进行处理,SSDAE-Softmax算法能够从舰船辐射噪声中提取更加具有区分度的特征,能够提升舰船辐射噪声的分类识别正确率,试验结果表明在低信噪比以及少量训练样本的应用场景下分类效果均高于其他三类算法.
舰船辐射噪声;特征提取;目标识别;自编码器
40
TN911.7
2022-01-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
50-56,74