典型文献
基于深度卷积神经网络的频高图分类研究
文献摘要：
本文提出了一种利用深度卷积神经网络的频高图分类方法,在频高图分类标记的基础上,通过对深度学习经典网络结构的网络层迁移的方式,构建频高图类型识别网络模型,实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据,依据频高图中电离层传播模式分布情况,结合频高图度量基本规则,人工对频高图数据分类标记,生成网络模型样本数据;然后以随机方式,选取样本数据85％的数据作为训练数据,其余数据作为测试数据;经验证训练后的网络模型能够将测试频高图数据自动分为七种类型,频高图类型识别综合准确率高于97％.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑,对电离层结构信息有效获取具有重要意义.
文献关键词：
频高图;深度卷积神经网络;传播模式
中图分类号：
作者姓名：
鲁转侠;华彩成;蔚娜;冯静;娄鹏;刘维平
作者机构：
中国电波传播研究所,青岛 266107
文献出处：
引用格式：
[1]鲁转侠;华彩成;蔚娜;冯静;娄鹏;刘维平-.基于深度卷积神经网络的频高图分类研究)[J].地球物理学进展,2022(05):1834-1839
A类：
频高图
B类：
深度卷积神经网络,图分类,分类研究,分类方法,分类标记,网络层,层迁移,类型识别,识别网络,传播模式,自动分类,图数据,电离层传播,基本规则,数据分类,生成网络,训练数据,余数,测试数据,七种,质量数据,结构信息,信息有效
AB值：
0.25067
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。
