原文传递
基于降噪自编码器的水中目标识别方法
| 题名： | 基于降噪自编码器的水中目标识别方法 |
| 正文语种： | 中文 |
| 作者： | 陈越超 徐晓男 |
| 作者单位： | 声纳技术重点实验室 第七一五研究所,杭州,310023 |
| 关键词： | 深度学习 降噪自编码器 水中目标辐射噪声 特征提取 目标识别 |
| 摘要： | 将堆叠降噪自编码器(SDAE)深度学习方法引入水中目标辐射噪声的特征提取与识别中。建立SDAE模型并将水中目标辐射噪声谱特征作为SDAE 模型的输入数据,针对水中目标数据特征对模型结构参数进行优化设置。基于SDAE 模型对仿真水声数据进行特征提取与识别,采用支持向量机和BP 神经网络作为识别对比算法。结果表明：对于不同类型目标与同一目标的不同状态,SDAE 模型都能提取出可分性特征,识别率也要高于其他对比方法。进一步基于SDAE 处理同一目标不同状态下的实验数据,同样可以提取出可分性特征并且识别率高于对比算法,这说明采用SDAE 算法可以有效实现水中目标辐射噪声的特征提取与识别。 |
| 会议日期： | 20170919 |
| 会议举办地点： | 福州 |
| 会议名称： | 2017年船舶通讯导航会议 |
| 出版日期： | 0919-01-20 |
| 母体文献： | 2017年船舶通讯导航会议论文集 |
检索历史
应用推荐
