公开(公告)号：CN118247601A

公开(公告)日：2024-06-25

申请号：CN202410377651.6

申请日：2024-03-29

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  刘宏伟 ,  刘雷 ,  梅昊琪 ,  陈渤

IPC: G06V10/774 ,  G06V20/13 ,  G06V10/82 ,  G06N3/0985 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种基于元学习的HRRP噪声标签的目标识别模型的训练方法和识别方法，该方法包括：构建基于HRRP的元数据集和基于HRRP且带有标签噪声的训练数据集；采用元数据集对预设的扩散模型进行训练并将训练得到的数据集补入元数据集得到新的元数据集；采用训练数据集对初始识别模型进行多轮预训练得到预训练好的识别模型；根据元模型A和元模型B、新的元数据集以及各第二样本的原始标签，更新各第二样本的标签以生成新的训练数据集，并基于新的训练数据集对预训练好的识别模型进行训练直至模型收敛，得到基于HRRP的雷达目标识别模型，该方法通过更新训练样本的标签，能够减少训练样本标签噪声的干扰，提升模型训练效果。

公开(公告)号：CN118395295A

公开(公告)日：2024-07-26

申请号：CN202410377652.0

申请日：2024-03-29

Applicant: 西安电子科技大学

Inventor： 王鹏辉 ,  刘宏伟 ,  刘雷 ,  梅昊琪 ,  杨浩蔚 ,  陈渤

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/04 ,  G06N3/0895 ,  G01S7/41

Abstract: 本发明公开了一种基于早期学习指导的半监督HRRP噪声标签过滤方法，包括：构建HRRP训练数据集及深度神经网络模型；对深度神经网络模型进行预训练；利用预训练后的网络模型对HRRP训练数据集进行预测并根据置信度划分为两个数据集；构建已知标签数据集和未知标签数据集以形成半监督训练数据集并进行数据增强；利用增强后的数据对网络模型进行半监督训练；利用半监督训练后的网络模型生成未知标签数据集的标签并对网络模型进行全监督训练；利用全监督训练后的网络模型对HRRP数据进行目标识别。本发明在模型早期学习训练阶段使用广义交熵损失函数，提出适用于HRRP的数据增强方案，可以更好地降低噪声标签对模型的影响，具备更好的稳定性和可实施性。