典型文献
基于元学习的雷达小样本目标识别方法及改进
文献摘要：
基于深度学习的雷达目标识别方法近年来获得较大关注,但实战中存在时效性约束和资源限制,小样本识别难题大大限制其在实际识别任务中的性能.针对这一问题,本文基于元学习算法,通过从多个相关任务中学习到的元知识改善新任务的性能,引入迁移学习思想,提出一种改进的小样本学习方法,并通过详细的性能对比实验分析了该方法的应用边界条件.基于实测高分辨距离像数据的实验结果表明,元学习方法在历史积累样本所含目标类别较多,与目标任务相关度较大的极小样本情况下,性能优势才突出,所提方法可显著提升其综合识别性能.
文献关键词：
雷达目标识别;小样本识别;元学习;迁移学习;高分辨距离像
中图分类号：
作者姓名：
孙晶明;虞盛康;孙俊
作者机构：
南京电子技术研究所,江苏南京210039;中国电子科技集团公司智能感知技术重点实验室,江苏南京210039
文献出处：
引用格式：
[1]孙晶明;虞盛康;孙俊-.基于元学习的雷达小样本目标识别方法及改进)[J].系统工程与电子技术,2022(06):1839-1845
A类：
B类：
元学习,目标识别方法,雷达目标识别,实战,资源限制,小样本识别,新任务,迁移学习,学习思想,小样本学习,性能对比,测高,高分辨距离像,所含,目标任务,相关度,极小,性能优势,综合识别,识别性
AB值：
0.307501
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。
