基于随机卷积特征和集成超限学习机的快速SAR目标识别

• 作者: 徐英 谷雨
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 深度学习 卷积特征 随机化 超限学习机 集成学习
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 科研论文
• 页码范围: 15-24
• 页数: 10页
• 分类号: TN957.52
• 字数: 6014字
• 语种: 中文
• DOI: 10.12086/oee.2018.170432

摘要

深度卷积神经网络在目标检测与识别等方面表现出了优异性能,但将其用于SAR目标识别时,较少的训练样本和深度模型的优化设计是必须解决的两个问题.本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR目标识别算法.首先,随机生成具有不同宽度的二维卷积核,对输入图像进行卷积与池化操作,提取随机卷积特征向量.其次,为提高分类器的泛化能力,并降低训练时间,基于集成学习思想对提取的卷积特征进行随机采样,然后采用超限学习机训练基分类器.最后,通过投票表决法对基分类器的分类结果进行集成.采用MSTAR数据集进行了SAR目标识别实验,实验结果表明,由于采用的超限学习机具有快速训练能力,训练时间降低了数十倍,在无需进行数据增强的情况下,分类精度与采用数据增强和多层卷积神经网络的深度学习算法相当.提出的算法具有实现简单、需要调整参数少等优点,采用集成学习思想提高了分类器的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷雨	杭州电子科技大学通信信息传输与融合技术国防重点学科实验室	42	201	7.0	12.0
2	徐英	杭州电子科技大学生命信息与仪器工程学院	13	55	5.0	7.0