典型文献
一种基于改进深度自编码网络的水声目标识别方法
文献摘要：
特征提取是实现目标识别的关键,而在海洋环境中,复杂的环境噪声使得海洋目标的特征提取异常困难.针对复杂海洋噪声下特征提取难的问题,提出一种基于改进深度自编码网络的特征提取方法对目标辐射噪声进行特征提取和识别.该方法通过深度自编码模型逐层学习提取数据中的抽象特征,但是针对海洋数据的样本数量少,呈现一定的随机性,随着模型网络层数加深,会出现梯度消失问题,为了解决该问题,在最后一层隐藏层的输入值中加入第一层的特征值,使得对整个网络的优化过程在两条通道中同时进行,有效地避免了单一通道中由于连乘导致的梯度消失问题.实验结果表明,与传统方法相比,所提算法能够有效地对舰船辐射噪声进行特征提取和分类,并具有良好的鲁棒性.
文献关键词：
自编码;目标识别;特征提取
中图分类号：
作者姓名：
薛灵芝;杨爽;王巧霞
作者机构：
延安大学西安创新学院数据科学与工程学院,西安716099;西北工业大学航海学院,西安716099
文献出处：
引用格式：
[1]薛灵芝;杨爽;王巧霞-.一种基于改进深度自编码网络的水声目标识别方法)[J].自动化与仪器仪表,2022(01):30-34
A类：
B类：
进深,深度自编码网络,水声目标识别,目标识别方法,实现目标,海洋环境,环境噪声,海洋噪声,自编码模型,逐层,提取数据,海洋数据,样本数量,随机性,网络层,层数,梯度消失,第一层,一通,于连,连乘,舰船辐射噪声
AB值：
0.32055
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。
