典型文献
迁移学习在天基红外目标识别中的应用
文献摘要：
星载红外传感器对飞行的火箭进行识别时,因为观测数据有限,一般属于小样本甚至单样本学习的分类问题.本文建立了一种以一维全卷积为主体结构的孪生神经网络,将多分类问题转化为比较相似度的验证问题;并利用UCR时间序列数据集的预训练权重,对孪生神经网络的卷积特征提取部分进行知识迁移,最后使用公开文献中火箭红外辐射强度序列数据对网络进行微调,形成了一个能够比较两型火箭相似度的迁移学习网络.实验结果表明,本文建立的模型能够从其他数据集中学习到有利于时间序列相似性度量的信息,训练过程也具备可行性,在单样本情况下能较好地实现对火箭的识别.
文献关键词：
目标识别;迁移学习;孪生神经网络
中图分类号：
作者姓名：
刘浩;毛宏霞;肖志河;刘铮
作者机构：
北京环境特性研究所,北京 100039;光学辐射重点实验室,北京 100854
文献出处：
引用格式：
[1]刘浩;毛宏霞;肖志河;刘铮-.迁移学习在天基红外目标识别中的应用)[J].激光与红外,2022(01):122-128
A类：
B类：
迁移学习,天基,红外目标识别,星载,红外传感器,火箭,观测数据,数据有限,小样本,单样本学习,全卷积,主体结构,孪生神经网络,多分类问题,问题转化,UCR,时间序列数据,预训练,卷积特征提取,行知,知识迁移,中火,红外辐射强度,度序列,微调,学习网络,集中学习,时间序列相似性,相似性度量,训练过程
AB值：
0.418295
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。
