典型文献
基于LGBM和深度神经网络的HRRP目标识别方法
文献摘要：
针对传统的HRRP目标识别方法识别率低、模型泛化能力不足等问题,提出基于轻量级梯度提升机(LGBM)和深度神经网络的HRRP目标识别方法.该方法采用LGBM特征选择算法对提取的HRRP具有明确物理意义、统计特性和平移不变性的特征分量进行二次特征选择,以减少特征冗余和样本维度,有利于目标识别速度的提升;搭建深度神经网络时,为了有效解决过拟合问题,引人Dropout约束,把获得的HRRP目标最优特征样本数据送入深度神经网络分类器进行训练学习和测试,有效提高了模型的泛化能力.仿真实验验证结果表明,在4类雷达目标的分类实验中,所提出的方法在提高识别率的同时,也有效提升了识别速度.
文献关键词：
高分辨距离像;目标识别;特征提取;深度神经网络;轻量级梯度提升机
中图分类号：
作者姓名：
张红莉;李月琴;韩磊;齐英杰;张维
作者机构：
北京联合大学智慧城市学院,北京100101;北京理工大学机电学院,北京100081
文献出处：
引用格式：
[1]张红莉;李月琴;韩磊;齐英杰;张维-.基于LGBM和深度神经网络的HRRP目标识别方法)[J].探测与控制学报,2022(02):97-103,114
A类：
B类：
LGBM,深度神经网络,HRRP,目标识别方法,方法识别,识别率,模型泛化,泛化能力,轻量级梯度提升机,特征选择算法,物理意义,统计特性,平移不变性,过拟合,Dropout,优特,特征样本,送入,神经网络分类器,训练学,雷达目标,高分辨距离像
AB值：
0.28337
相似文献
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。
