基于卷积神经网络的智能识别方法
龚承君
蒲宇清
1.武汉市交管局科技管理处 武汉 4300002.武汉市交管局科技管理处 武汉 430000
摘要：针对传统目标识别方法在实际运用中计算复杂且鲁棒性较低的问题,提出一种基于卷积神经网络的目标识别方法.计算传感器运动信息和辐射源信息与待识别目标的匹配度构建目标识别决策矩阵,而后设计卷积神经网络提取目标识别决策矩阵的不变特征,对目标身份进行综合识别.此方法能够直接学习传感器数据特征,避开传统识别方法人工建模和特征提取过程,降低因模型失配对识别性能造成的影响.仿真试验结果表明,当传感器量测误差在一定范围内变化时,所提方法能对多源异类探测信息进行处理,有效实现目标识别.
关键词：目标识别深度学习卷积神经网络特征提取
分类号：TP18(自动化基础理论)
论文发表日期：2020-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2633-2636,2749 )
英文信息