典型文献
基于CNN的雷达目标分类识别技术研究
文献摘要：
现有的识别方法对新的数据需要重新进行训练,不利于模型速度和在线功能的实现.文中提出一种宽度的卷积神经网络(BCNN),该模型由于具有"宽度"的网络结构,可以通过利用新生成的附加特征,提高BCNN模型的识别性能;此外,BCNN模型还能够利用新的训练数据进行自身的更新,从而具有增量学习能力.实验结果表明,该方法能更好地提取数据的特征,而且比常规的CNN的识别精度提高8％以上,所提模型还可以利用新的数据进行在线更新,从而具有更强的实用性和鲁棒性.
文献关键词：
宽度学习系统;卷积神经网络;雷达目标分类识别;增量学习
中图分类号：
作者姓名：
陈海峰;冯源
作者机构：
连云港职业技术学院信息工程学院,江苏连云港222000;江苏海洋大学电子工程学院,江苏连云港222000
文献出处：
引用格式：
[1]陈海峰;冯源-.基于CNN的雷达目标分类识别技术研究)[J].现代雷达,2022(04):38-43
A类：
雷达目标分类识别,BCNN
B类：
识别技术研究,加特,识别性,训练数据,增量学习,提取数据,识别精度,在线更新,宽度学习系统
AB值：
0.188476
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
