[发明专利]一种基于监督最小化深度学习模型的SAR目标识别方法在审
| 申请号： | 202011372342.8 | 申请日： | 2020-11-30 |
| 公开（公告）号： | CN113468939A | 公开（公告）日： | 2021-10-01 |
| 发明（设计）人： | 于雪莲;任浩浩;陈智伶;李相东;周云 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 电子科技大学专利中心 51203 | 代理人： | 陈一鑫 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种监督最小化深度学习模型的SAR目标识别方法。该方法的主要流程：首先从训练样本集中随机抽取样本并做类别标注，利用数据增强技术对标签样本进行数据扩增，得到初始训练样本集；然后构建贝叶斯卷积神经网络分类模型，即在浅层卷积神经网络的每一个卷积层和全连接层后部署dropout层；接着，采用双重损失函数，利用初始训练样本集训练贝叶斯卷积神经网络分类模型；最后，使用一种新的样本选择策略从无标签样本集中筛选并标注新样本，将新标注的样本与原有的标记样本一同用于训练贝叶斯卷积神经网络分类模型，达到一定的迭代次数后终止训练。通过在MSTAR数据集上进行仿真实验，证明了本发明中的方法可以用较少的标记样本逐步学习一个稳健的深度分类模型。 | ||
| 搜索关键词： | 一种 基于 监督 最小化 深度 学习 模型 sar 目标 识别 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011372342.8/，转载请声明来源钻瓜专利网。
- 上一篇：超导电磁铁装置以及带电粒子束照射装置
- 下一篇：电机驱动装置
