PCA预训练的卷积神经网络目标识别算法

• 作者: 史鹤欢 李岳云 李帅 许悦雷 马时平
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 主成分分析 概率最大化下采样 线性修正函数 局部对比度标准化
• 年，卷（期）: 2016,（3）
• 页码范围: 161-166
• 页数: 6页
• 分类号: TP391.41
• 字数: 4023字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2016.03.028

摘要

针对卷积神经网络对合成孔径雷达目标识别训练在标签数据不足,平移、旋转以及复杂情况下的识别率不高问题,提出一种优化的卷积神经网络目标识别算法.为克服标签数据不足,利用主成分分析非监督训练一组特征集初始化卷积神经网络;为提高训练速度,同时避免陷入过拟合,采用线性修正函数作为非线性函数;为增强鲁棒性,同时减小下采样对特征表示的影响,引入概率最大化下采样的方式,并在卷积层后对特征进行局部对比度标准化.实验表明,与传统的卷积神经网络相比,该算法对合成孔径雷达目标具有更高的识别率,并对图像各种形变以及复杂背景具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许悦雷	空军工程大学航空航天工程学院	61	585	13.0	22.0
2	马时平	空军工程大学航空航天工程学院	74	784	15.0	25.0
3	李帅	空军工程大学航空航天工程学院	19	117	6.0	10.0
4	李岳云	空军工程大学航空航天工程学院	5	155	4.0	5.0
5	史鹤欢	空军工程大学航空航天工程学院	7	230	6.0	7.0