典型文献
基于损失加权修正的舰船目标HRRP小样本元学习识别方法
文献摘要：
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.
文献关键词：
舰船识别;高分辨距离像;元学习;卷积神经网络;小样本
中图分类号：
作者姓名：
简涛;王哲昊;王海鹏;刘瑜;魏广芬
作者机构：
海军航空大学信息融合研究所,山东烟台 264001;山东工商学院信息与电子工程学院,山东烟台 264005
文献出处：
引用格式：
[1]简涛;王哲昊;王海鹏;刘瑜;魏广芬-.基于损失加权修正的舰船目标HRRP小样本元学习识别方法)[J].信号处理,2022(12):2460-2468
A类：
B类：
舰船目标,HRRP,小样本,本元,元学习,高分辨距离像,high,resolution,range,profile,学习理论,预训练模型,学习经验,基于任务,损失值,损失函数,偏差影响,仿真数据,测试任务,分类识别,对比模型,样本条件,识别能力,舰船识别
AB值：
0.327111
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
