典型文献
基于孪生网络的电磁目标跨模式识别算法
文献摘要：
以深度学习为代表的人工智能技术是解决电磁目标识别问题的一种有效方法.然而,在识别多模式电磁目标时,目标内部不同模式间数据的差异可能掩盖目标个体间的差异,当某种模式训练样本缺失或稀少时,该模式下的目标识别性能会显著下降.为此,提出一种基于孪生网络的电磁目标跨模式识别算法,在度量学习框架下通过优化设计网络结构和损失函数,引导网络在分类学习过程中拉近同一目标各模式数据间的距离,拉远不同目标数据间的距离,并结合邻近判决准则实现多模式电磁目标在非均衡数据集上的跨模式识别.基于实际数据的测试结果表明,在相同数据集和网络规模条件下,所提方法的跨模式识别率较经典卷积神经网络方法和数据增强方法提升20％.
文献关键词：
电磁目标;跨模式识别;孪生网络;度量学习;非均衡数据集
中图分类号：
作者姓名：
张伟;王沙飞;林静然;利强;邵怀宗
作者机构：
电子科技大学信息与通信工程学院,四川成都611731;电子信息控制重点实验室,四川成都610036;北方电子设备研究所,北京100191;鹏城实验室,广东深圳518055
文献出处：
引用格式：
[1]张伟;王沙飞;林静然;利强;邵怀宗-.基于孪生网络的电磁目标跨模式识别算法)[J].电子学报,2022(06):1281-1290
A类：
跨模式识别
B类：
孪生网络,电磁目标,识别算法,目标识别,多模式,不同模式,掩盖,训练样本,稀少,少时,识别性,度量学习,设计网,损失函数,分类学,学习过程,拉近,判决,非均衡数据集,实际数据,网络规模,识别率,神经网络方法,数据增强,增强方法
AB值：
0.253483
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。
