-
公开(公告)号：CN114372487A
公开(公告)日：2022-04-19
申请号：CN202111451606.3
申请日：2021-12-01
Applicant: 燕山大学
Abstract: 本发明公开了一种基于多判别生成对抗网络的水声目标识别方法，包括如下步骤：S1、根据水声目标辐射噪声产生的机理和特点，对数据预处理并提取出目标的特征图像；S2、设计基于多判别生成对抗网络的数据扩充模型架构，使用步骤S1中提取的目标特征进行训练，得到生成模型；S3、使用步骤S2中得到的生成模型进行样本数据的扩充，得到数据量充足且与原始目标特征分布相同的高质量目标特征数据集；S4、设计基于卷积的水声目标识别网络，并使用步骤S3中得到的扩充数据集训练该识别网络，得到高准确率的水声目标识别网络模型，本发明实现对小样本条件下的水声目标进行识别分类，提高识别的准确率。
-
公开(公告)号：CN114372487B
公开(公告)日：2024-09-10
申请号：CN202111451606.3
申请日：2021-12-01
Applicant: 燕山大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于多判别生成对抗网络的水声目标识别方法，包括如下步骤：S1、根据水声目标辐射噪声产生的机理和特点，对数据预处理并提取出目标的特征图像；S2、设计基于多判别生成对抗网络的数据扩充模型架构，使用步骤S1中提取的目标特征进行训练，得到生成模型；S3、使用步骤S2中得到的生成模型进行样本数据的扩充，得到数据量充足且与原始目标特征分布相同的高质量目标特征数据集；S4、设计基于卷积的水声目标识别网络，并使用步骤S3中得到的扩充数据集训练该识别网络，得到高准确率的水声目标识别网络模型，本发明实现对小样本条件下的水声目标进行识别分类，提高识别的准确率。
-
公开(公告)号：CN114372488A
公开(公告)日：2022-04-19
申请号：CN202111451617.1
申请日：2021-12-01
Applicant: 燕山大学
Abstract: 本发明公开了一种基于形态分量分析特征融合的水声目标识别方法，包括以下步骤：S1、对水声目标辐射噪声进行预处理，提取出目标的特征图像；S2、对S1中提取的目标特征图像，建立目标特征图像的稀疏模型；S3、对S2中建立的特征稀疏模型进行特征分量的分离，并利用分离的特征分量构建出目标的G特征；S4、利用S3中分离的特征分量，分别训练得到各分量稀疏表示的公共冗余字典；S5、设计基于形态分量分析的特征融合框架，通过融合框架构建出目标的融合特征；S6、设计基于卷积的识别网络，利用S5中的融合特征训练该识别网络，得到一个高准确率的识别网络，本发明实现对具有相似特征的目标的识别分类，提高识别的准确率。
-
公开(公告)号：CN114372488B
公开(公告)日：2024-09-10
申请号：CN202111451617.1
申请日：2021-12-01
Applicant: 燕山大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/25 , G06N3/0464
Abstract: 本发明公开了一种基于形态分量分析特征融合的水声目标识别方法，包括以下步骤：S1、对水声目标辐射噪声进行预处理，提取出目标的特征图像；S2、对S1中提取的目标特征图像，建立目标特征图像的稀疏模型；S3、对S2中建立的特征稀疏模型进行特征分量的分离，并利用分离的特征分量构建出目标的G特征；S4、利用S3中分离的特征分量，分别训练得到各分量稀疏表示的公共冗余字典；S5、设计基于形态分量分析的特征融合框架，通过融合框架构建出目标的融合特征；S6、设计基于卷积的识别网络，利用S5中的融合特征训练该识别网络，得到一个高准确率的识别网络，本发明实现对具有相似特征的目标的识别分类，提高识别的准确率。
-
-
-
Search Results
4
records
(took 0.028 seconds)
