典型文献
基于泄露电缆的周界入侵数据增广方法研究
文献摘要：
机器学习的方法在泄漏电缆周界入侵检测领域有了比较好的发展.采集大量的入侵数据,通过机器学习训练模型,可以实现周界入侵检测更高的定位精度和更低的误报率.但是大规模入侵信号数据的缺乏限制了识别的准确率.而人工有效采集标注入侵信号数据极其费时且代价高昂.针对入侵信号数据缺乏的问题,本文引入了图像领域的数据增广方法.实验表明,几何变换增广结合深度卷积生成对抗的增广方法对周界入侵识别准确率的提升达到14.11％,极大程度上缓解了小样本下周界入侵定位精度低的问题,证明了本文增广方法的有效性.
文献关键词：
泄露电缆;数据增广;几何变换;生成对抗网络
中图分类号：
作者姓名：
张锋;蔡宗阳
作者机构：
宁波大学信息科学与工程学院,宁波315211
文献出处：
引用格式：
[1]张锋;蔡宗阳-.基于泄露电缆的周界入侵数据增广方法研究)[J].无线通信技术,2022(02):13-17,22
A类：
入侵定位
B类：
泄露电缆,数据增广,泄漏电缆,周界入侵检测,检测领域,学习训练,训练模型,定位精度,误报率,入侵信号,号数,费时,价高,高昂,数据缺乏,图像领域,几何变换,广结,深度卷积,入侵识别,识别准确率,小样本,下周,生成对抗网络
AB值：
0.300047
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。
