-
公开(公告)号：CN107977683B
公开(公告)日：2021-05-18
申请号：CN201711382006.X
申请日：2017-12-20
Applicant: 南京大学
Abstract: 本发明公开了基于卷积特征提取和机器学习的联合SAR目标识别方法，读取SAR原始图像数据集，并做预处理；使用卷积变换提取SAR图像特征，卷积层使用卷积核在输入层上通过滑动窗口计算卷积再通过激活函数作为输出，得到多个特征图，每个特征图也是由多个图卷积组合而成，亚采样层对上层的得到的特征图亚采样，减小特征图的大小，最后生成1行128列的特征值；将特征值分别使用softmax回归、支持向量机、K邻近训练分类模型；预测的未知类别图像所属类别，最终的预测结果是依靠三种分类器预测结果综合处理得到。本发明联合三种机器学习方法，识别准确率高，方法鲁棒性强。
-
公开(公告)号：CN107977683A
公开(公告)日：2018-05-01
申请号：CN201711382006.X
申请日：2017-12-20
Applicant: 南京大学
Abstract: 本发明公开了基于卷积特征提取和机器学习的联合SAR目标识别方法，读取SAR原始图像数据集，并做预处理；使用卷积变换提取SAR图像特征，卷积层使用卷积核在输入层上通过滑动窗口计算卷积再通过激活函数作为输出，得到多个特征图，每个特征图也是由多个图卷积组合而成，亚采样层对上层的得到的特征图亚采样，减小特征图的大小，最后生成1行128列的特征值；将特征值分别使用softmax回归、支持向量机、K邻近训练分类模型；预测的未知类别图像所属类别，最终的预测结果是依靠三种分类器预测结果综合处理得到。本发明联合三种机器学习方法，识别准确率高，方法鲁棒性强。
-
Search Results
2
records
(took 0.011 seconds)
