公开(公告)号：CN114137518B

公开(公告)日：2024-07-12

申请号：CN202111199838.4

申请日：2021-10-14

Applicant: 西安电子科技大学

Inventor： 夏子恒 ,  耿晓静 ,  王鹏辉 ,  刘宏伟

IPC: G01S13/89 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积神经网络的雷达高分辨距离像开集识别方法及装置，该方法包括：获取雷达高分辨距离像并建立训练样本集和测试样本集；对训练样本集和测试样本集中的数据进行预处理，得到预处理后的训练样本集和测试样本集；构建卷积神经网络模型；利用预处理后的训练样本集训练卷积神经网络模型，得到训练好的卷积神经网络；利用预处理后的测试样本集对训练好的卷积神经网络进行开集识别，得到基于卷积神经网络的雷达高分辨距离像开集识别结果。本发明提供的方法不仅可用于对库内已知类别目标进行识别分类，同时可拒判库外未知类别目标，提高了目标识别准确率，进而提升了雷达了的自动化和智能化水平。

公开(公告)号：CN114137518A

公开(公告)日：2022-03-04

申请号：CN202111199838.4

申请日：2021-10-14

Applicant: 西安电子科技大学

Inventor： 夏子恒 ,  耿晓静 ,  王鹏辉 ,  刘宏伟

IPC: G01S13/89 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的雷达高分辨距离像开集识别方法及装置，该方法包括：获取雷达高分辨距离像并建立训练样本集和测试样本集；对训练样本集和测试样本集中的数据进行预处理，得到预处理后的训练样本集和测试样本集；构建卷积神经网络模型；利用预处理后的训练样本集训练卷积神经网络模型，得到训练好的卷积神经网络；利用预处理后的测试样本集对训练好的卷积神经网络进行开集识别，得到基于卷积神经网络的雷达高分辨距离像开集识别结果。本发明提供的方法不仅可用于对库内已知类别目标进行识别分类，同时可拒判库外未知类别目标，提高了目标识别准确率，进而提升了雷达了的自动化和智能化水平。

公开(公告)号：CN115861676A

公开(公告)日：2023-03-28

申请号：CN202211378461.3

申请日：2022-11-04

Applicant: 西安电子科技大学

Inventor： 刘宏伟 ,  王鹏辉 ,  夏子恒 ,  丁军

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G01S13/89 ,  G01S7/48

Abstract: 本发明公开了一种基于极值分布的雷达高分辨距离像开集识别方法，包括以下步骤：建立并对训练样本集和测试样本集进行预处理；构建卷积神经网络；利用训练样本集训练卷积神经网络；利用训练后的卷积神经网络提取训练样本集的高维特征；计算训练样本集的高维特征的欧式距离，并对欧式距离进行极值分布拟合；利用训练后的卷积神经网络提取测试样本集的高维特征；利用极值分布累积概率分布函数对测试样本集的高维特征进行开集识别。本发明提供的方法不仅可用于对雷达目标识别数据库内已知类别型号的目标进行识别，同时能够拒判来自库外的未知类别型号目标，不但提高了雷达目标识别系统的准确率和实用性，同时有效提高了雷达的自动化和智能化水平。

公开(公告)号：CN114037000A

公开(公告)日：2022-02-11

申请号：CN202111178171.X

申请日：2021-10-09

Applicant: 西安电子科技大学

Inventor： 夏子恒 ,  王鹏辉 ,  刘宏伟

IPC: G06K9/62

Abstract: 本发明公开了一种高维聚类数据边界检测方法及装置，该方法包括：获取待检测数据矩阵；计算待检测数据矩阵中所有数据点的k近邻对象；根据k近邻对象计算待检测数据点的平衡系数和距离校正系数，得到平衡系数向量和距离校正系数向量；计算平衡系数向量和距离校正系数向量的乘积，并对得到的乘积向量进行排序，以得到索引向量；根据索引向量确定边界点在待检测数据矩阵中的索引位置，以完成聚类数据边界检测。本发明提供的聚类数据边界检测方法相比现有技术，不仅可以针对二维平面数据实现边界检测，还能够对高维数据的聚类边界进行有效识别，且检测性能更好，准确率更高。

公开(公告)号：CN115393628A

公开(公告)日：2022-11-25

申请号：CN202210917882.2

申请日：2022-08-01

Applicant: 西安电子科技大学

Inventor： 董刚刚 ,  耿晓静 ,  夏子恒 ,  刘宏伟

IPC: G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种开放条件下的未知类型目标识别方法，提出使用不同类别的样本在分类网络的输入层或者中间隐藏层进行随机组合，生成未知类别样本的方法，针对性地在合成孔径雷达目标识别问题中，实现对未知目标的准确判识，具体包括随机裁剪拼接和随机线性插值两种技术路线。本发明提出的方法中生成未知类目标所需要的计算量简单，而且不需要依赖于大量的训练样本即可实现理想的识别效果。本发明提出的方法可借助新生成的未知类样本将决策边界推向其对应的聚类，紧凑类内间距。