關(guān)鍵詞:dbn sdae 雙通道 單隱含層 加權(quán)融合
摘要:研究了DBN和SDAE在SAR雷達(dá)目標(biāo)識(shí)別領(lǐng)域的應(yīng)用,并在此基礎(chǔ)上提出了一種雙通道單隱含層的深度學(xué)習(xí)模型DBN-SDAE。該模型的優(yōu)勢(shì)在于采用雙通道的單隱含層模型對(duì)圖像數(shù)據(jù)進(jìn)行學(xué)習(xí),提取圖像特征,避免了傳統(tǒng)深度學(xué)習(xí)方法隨著隱含層和神經(jīng)元數(shù)量的增加計(jì)算復(fù)雜度增長(zhǎng)過快的缺點(diǎn);同時(shí)采用加權(quán)融合方法融合兩個(gè)通道所學(xué)習(xí)的特征,既保留了數(shù)據(jù)的細(xì)節(jié)信息,又保留了數(shù)據(jù)的結(jié)構(gòu)信息,一定程度上解決了特征利用不充分的問題。實(shí)驗(yàn)結(jié)果表明,所提方法在NN迭代次數(shù)遠(yuǎn)遠(yuǎn)小于DBN中NN的迭代次數(shù);且在識(shí)別準(zhǔn)確率上最高可達(dá)98.640%,較SDAE和DBN分別高0.511%和1.701%。
注:因版權(quán)方要求,不能公開全文,如需全文,請(qǐng)咨詢雜志社