共 1 条
PCA预训练的卷积神经网络目标识别算法
被引：26
作者：
史鹤欢
许悦雷
马时平
李岳云
李帅
机构：
[1] 空军工程大学航空航天工程学院
来源：
关键词：
卷积神经网络;
主成分分析;
概率最大化下采样;
线性修正函数;
局部对比度标准化;
D O I：
暂无
中图分类号：
TP391.41 [];
TP183 [人工神经网络与计算];
学科分类号：
080203 ;
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
针对卷积神经网络对合成孔径雷达目标识别训练在标签数据不足,平移、旋转以及复杂情况下的识别率不高问题,提出一种优化的卷积神经网络目标识别算法.为克服标签数据不足,利用主成分分析非监督训练一组特征集初始化卷积神经网络;为提高训练速度,同时避免陷入过拟合,采用线性修正函数作为非线性函数;为增强鲁棒性,同时减小下采样对特征表示的影响,引入概率最大化下采样的方式,并在卷积层后对特征进行局部对比度标准化.实验表明,与传统的卷积神经网络相比,该算法对合成孔径雷达目标具有更高的识别率,并对图像各种形变以及复杂背景具有较好的鲁棒性.
引用
收藏
页码：161 / 166
页数：6
相关论文