典型文献
面向非均衡类别的半监督辐射源识别方法
文献摘要：
针对辐射源个体识别(SEI)中样本标签不完整和数据类别分布不平衡导致分类准确率下降的问题,该文提出了一种基于代价敏感学习和半监督生成式对抗网络(GAN)的特定辐射源分类方法.该方法通过半监督训练方式优化生成器和判别器的网络参数,并向残差网络中添加多尺度拓扑模块融合时域信号的多维分辨率特征,赋予生成样本额外标签从而直接利用判别器完成分类.同时设计代价敏感损失缓解优势样本导致的梯度传播失衡,改善分类器在类不平衡数据集上的识别性能.在4类失衡仿真数据集上的实验结果表明,存在40％无标记样本的情况下,该方法对于5个辐射源的平均识别率相比于交叉熵损失和焦点损失分别提高5.34％和2.69％,为解决数据标注缺失和类别分布不均条件下的特定辐射源识别问题提供了新思路.
文献关键词：
代价敏感学习;生成式对抗网络;非均衡类别;特定辐射源识别;半监督学习
中图分类号：
作者姓名：
谭凯文;张立民;闫文君;徐从安;凌青;刘恒燕
作者机构：
海军航空大学信息融合研究所 烟台 264001
文献出处：
引用格式：
[1]谭凯文;张立民;闫文君;徐从安;凌青;刘恒燕-.面向非均衡类别的半监督辐射源识别方法)[J].雷达学报,2022(04):713-727
A类：
非均衡类别
B类：
辐射源个体识别,SEI,样本标签,数据类别,类别分布不平衡,分类准确率,代价敏感学习,生成式对抗网络,GAN,源分类,分类方法,过半,训练方式,方式优化,化生成,生成器,判别器,网络参数,残差网络,模块融合,时域信号,外标,分类器,类不平衡数据,不平衡数据集,识别性,仿真数据,无标记,标记样本,识别率,交叉熵损失,焦点损失,失分,数据标注,特定辐射源识别,半监督学习
AB值：
0.341332
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。
