一种基于集成学习的DBN模型分类方法

• 作者: 李勇 郜丽鹏
• 来源期刊: 哈尔滨商业大学学报（自然科学版）
• 学科: 工学
• 关键词: 信号分类 电子侦察 集成学习 深度信念网络 特征抽取 分类器
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 585-589
• 页数: 5页
• 分类号: TN911.7
• 字数: 3879字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0946.2019.05.016

摘要

雷达信号分类是雷达信号电子侦察的关键技术之一,针对利用深度学习模型进行雷达信号分类时其性能不稳定的缺点,提出了一种基于集成学习的深度信念网络模型进行分类的方法.通过深度信念网络模型不同层间的特征抽取,通过不同的分类器得到不同的分类结果,再将分类结果进行集成,得到最终的输出.待分类的雷达信号由12部雷达产生,包括常规、参差、频率捷变和抖动四种雷达.仿真结果表明,该模型的分类错误率较低,鲁棒性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郜丽鹏	哈尔滨工程大学信息与通信工程学院	42	311	9.0	16.0
2	李勇	哈尔滨工程大学信息与通信工程学院	119	1043	17.0	28.0