典型文献
基于集成级联学习的多无人平台跨域协同多目标识别算法
文献摘要：
针对目前各类平台获取的目标数据质量参差不齐且存在信号丢失情况,进而导致基于单一平台数据源的多目标识别准确率低的问题,提出一种基于集成级联学习的多无人平台跨域协同多目标识别算法.通过使用多个级联深度网络对多无人机(Multi-UAVs)平台获取的同一目标的多源异构数据进行特征学习,使得同一目标的多源异构数据能够根据数据特性进行有效的分层学习,并将学习到的多层高维特征在决策层通过集成学习实现多目标识别.首先,根据各类数据特性,分别构建不同层级的特征学习网络抽取不同维度的有效信息,为后续的融合提供同一目标更多的多源有效信息,弥补了单一数据源信息不足的问题;然后,将多维度的有效信息通过集成学习进行融合,实现同一目标的多源信息联合,与其他目标差异最大化,从而提升多目标识别的准确性.此外,本文提出的算法通过跨域多源数据融合学习能够解决单一数据源信号丢失后无法识别目标的问题.
文献关键词：
多无人平台;多目标;目标识别;跨域协同;集成学习;深度学习
中图分类号：
作者姓名：
吴嘉琪;刘旭波;刘敬蜀
作者机构：
中国人民解放军91977部队,北京100036
文献出处：
引用格式：
[1]吴嘉琪;刘旭波;刘敬蜀-.基于集成级联学习的多无人平台跨域协同多目标识别算法)[J].舰船科学技术,2022(24):71-75
A类：
多无人平台
B类：
跨域协同,多目标识别,目标识别算法,数据质量,信号丢失,平台数据,数据源,识别准确率,深度网络,多无人机,Multi,UAVs,多源异构数据,特征学习,分层学习,层高,高维特征,决策层,集成学习,学习网络,不同维度,有效信息,一数,多源信息,目标差异,多源数据融合,融合学习,源信号
AB值：
0.26857
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。
