公开(公告)号：CN107194404B

公开(公告)日：2021-04-20

申请号：CN201710237910.5

申请日：2017-04-13

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  何鸣 ,  宋奎勇 ,  周连科 ,  王念滨 ,  郎泽宇 ,  王瑛琦 ,  顾正浩 ,  李浩然 ,  迟熙翔

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供的是一种基于卷积神经网络的水下目标特征提取方法。1、将原始辐射噪声信号的采样序列，分成25个连续部分，每个部分再设置25个采样点；2、将第j段数据信号的采样样本做归一化和中心化处理；进行短时傅里叶变换得到LoFAR图；4、将向量赋值到已有3维张量中；5、将得到特征向量输入到全连接层进行分类并计算与标签数据的误差，检查损失误差是否低于误差阈值，若低于则停止网络训练，否则进入步骤6；6、使用梯度下降方法对网络从后向前逐层进行参数调整，并转入步骤2。本发明方法的识别率与传统卷积神经网络算法相比，对特征图层进行了空间信息多维度的加权操作，来弥补因全连接层的一维向量化所带来的空间信息丢失的缺陷。

公开(公告)号：CN107194404A

公开(公告)日：2017-09-22

申请号：CN201710237910.5

申请日：2017-04-13

Applicant: 哈尔滨工程大学

Inventor： 王红滨 ,  何鸣 ,  宋奎勇 ,  周连科 ,  王念滨 ,  郎泽宇 ,  王瑛琦 ,  顾正浩 ,  李浩然 ,  迟熙翔

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/4628 ,  G06K9/6262 ,  G06N3/0454 ,  G06N3/084

Abstract: 本发明提供的是一种基于卷积神经网络的水下目标特征提取方法。1、将原始辐射噪声信号的采样序列，分成25个连续部分，每个部分再设置25个采样点；2、将第j段数据信号的采样样本做归一化和中心化处理；进行短时傅里叶变换得到LoFAR图；4、将向量赋值到已有3维张量中；5、将得到特征向量输入到全连接层进行分类并计算与标签数据的误差，检查损失误差是否低于误差阈值，若低于则停止网络训练，否则进入步骤6；6、使用梯度下降方法对网络从后向前逐层进行参数调整，并转入步骤2。本发明方法的识别率与传统卷积神经网络算法相比，对特征图层进行了空间信息多维度的加权操作，来弥补因全连接层的一维向量化所带来的空间信息丢失的缺陷。