利用全連接神經(jīng)網(wǎng)絡(luò)研究雷達(dá)點(diǎn)跡分類問題時(shí),在模型訓(xùn)練前需要對(duì)打上標(biāo)簽的點(diǎn)跡數(shù)據(jù)進(jìn)行預(yù)處理,不同的數(shù)據(jù)預(yù)處理方法,會(huì)影響模型訓(xùn)練的效果。提出使用一種最大最小值聯(lián)合處理的方法,與常用的其它4種不同數(shù)據(jù)預(yù)處理方法進(jìn)行對(duì)比,分析不同數(shù)據(jù)預(yù)處理方法對(duì)雷達(dá)點(diǎn)跡分類效果的影響。本文所用方法明顯優(yōu)于常用方法,不僅加快了網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練速度,也提高了模型的分類精度。 

【文章來源】：艦船電子對(duì)抗. 2020年05期

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

全連接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

每100次迭代記錄訓(xùn)練準(zhǔn)確率和目標(biāo)損失率,不同數(shù)據(jù)處理方式下,準(zhǔn)確率和目標(biāo)損失率隨迭代次數(shù)變化對(duì)比圖如圖2、圖3所示。圖3 不同數(shù)據(jù)處理方式_目標(biāo)損失率對(duì)比圖

圖2 不同數(shù)據(jù)處理方式準(zhǔn)確率對(duì)比圖結(jié)果表明,數(shù)據(jù)預(yù)處理方式不同,產(chǎn)生的訓(xùn)練效果有明顯的差距,綜合考慮在降低目標(biāo)損失率的情況下,盡量使準(zhǔn)確率和雜波濾除率提高,本文所使用的數(shù)據(jù)預(yù)處理方法使模型分類精度達(dá)到94%,相對(duì)于常用數(shù)據(jù)預(yù)處理方法分類準(zhǔn)確率分別提高19%、12%、8%和11%,同時(shí)目標(biāo)損失率和雜波濾除率相較常用數(shù)據(jù)預(yù)處理方法也達(dá)到最小,模型的收斂速度更快。不同于常用數(shù)據(jù)預(yù)處理方法的單一性,本文方法不僅消除了不同特征的量綱和數(shù)值差異影響,同時(shí)也增加了不同特征參量之間的聯(lián)系,使模型有更好的訓(xùn)練效果,更好地模擬了雷達(dá)點(diǎn)跡的數(shù)據(jù)特性。

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)航跡識(shí)別研究[J]. 樊玉琦,溫鵬飛,許雄,郭丹,劉瑜嵐.  強(qiáng)激光與粒子束. 2019(09)
[2]基于全連接神經(jīng)網(wǎng)絡(luò)的雷達(dá)目標(biāo)航跡識(shí)別[J]. 馮訣宵,樊玉琦.  東北師大學(xué)報(bào)(自然科學(xué)版). 2019(03)
[3]基于點(diǎn)跡特征的氣象雜波抑制技術(shù)[J]. 王旭,蔡興雨,朱思橋,朱永杰.  火控雷達(dá)技術(shù). 2017(02)
[4]雷達(dá)數(shù)據(jù)處理中的虛假航跡綜合抑制技術(shù)[J]. 戴霄.  艦船電子對(duì)抗. 2015(06)
[5]雷達(dá)數(shù)據(jù)處理中的雜波抑制方法[J]. 羅興旺,張伯彥,劉嘉,藺宏江,禹娟.  系統(tǒng)工程與電子技術(shù). 2016(01)
[6]BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J]. 柳小桐.  機(jī)械工程與自動(dòng)化. 2010(03)



本文編號(hào)：2930084