作者:罗彬珅,刘利民,董健,刘璟麒 单位:华东计算机技术研究所;上海计算机学会 出版:《计算机工程》2020年第06期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFJSJC2020060380 DOC编号:DOCJSJC2020060389 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于改进SVM分类器的动作识别方法》PDF+DOC2016年第01期 王见,陈义,邓帅 《支持向量机的车载雷达点云目标识别》PDF+DOC2016年第05期 李海亭,王厚之,李艳红,汪汇兵 《遗传算法改进的汽车发动机振动信号时、空域分类器设计》PDF+DOC2017年第10期 王浩宇 《应用双谱分析和分形维数的雷达欺骗干扰识别》PDF+DOC2016年第12期 杨少奇,田波,周瑞钊 《基于深度学习的电力变压器智能故障诊断方法》PDF+DOC2020年第01期 张朝龙,何怡刚,杜博伦,张兰芳,江善和 《基于手持式电子鼻的白酒识别》PDF+DOC2019年第24期 李金金,孙哲华,孟庆浩 《基于PR的雷达抗复合干扰中神经网络特征提取》PDF+DOC2004年第03期 贺照辉,秦江敏,马晓岩 《基于最优特征矢量子空间的雷达目标识别》PDF+DOC2004年第11期 孟继成,杨万麟 《基于电子鼻技术的混合气体识别研究》PDF+DOC 刘伟玲,吴龙焦,张思祥,闫子琪 《基于信息融合的车辆运行异常程度检测》PDF+DOC2015年第05期 张坡,郝敬彬,王焕,彭淑彦
  • 针对频谱弥散干扰、切片组合干扰、灵巧噪声干扰、噪声调幅-距离欺骗加性复合干扰与噪声调频-距离欺骗加性复合干扰5种干扰类型的识别问题,提出一种基于SAE-GA-SVM的检测模型算法。建立目标回波与干扰信号的数学模型,采用多域联合的特征提取方法提取47维特征。为有效去除冗余信息并保持较高的识别率,运用深度学习中的稀疏自编码器(SAE),通过SAE结构建立高维空间和低维空间的双向映射,从而获得原始数据的相应最优低维表示。利用遗传算法优化支持向量机的惩罚因子和核函数参数,构建基于SAE-GA-SVM的雷达新型干扰识别检测模型。仿真结果表明,该模型能够有效降低特征维度,相比传统的GA-SVM检测模型识别准确率提高10%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。